| 基于稀疏正则化的卷积神经网络模型剪枝方法 |
| |
| 作者姓名： | 韦越 陈世超 朱凤华 熊刚 |
| |
| 作者单位： | 中国科学院大学人工智能学院,北京100049;中国科学院自动化研究所复杂系统管理与控制国家重点实验室,北京100190;中国科学院自动化研究所复杂系统管理与控制国家重点实验室,北京100190;澳门科技大学 资讯科技学院,澳门 999078;中国科学院自动化研究所复杂系统管理与控制国家重点实验室,北京100190 |
| |
| 基金项目： | 国家自然科学基金委员会-浙江省人民政府两化融合联合基金（U1909204）;广东省基础与应用基础研究基金（2019B1515120030）。 |
| |
| 摘 要： | 现有卷积神经网络模型剪枝方法仅依靠自身参数信息难以准确评估参数重要性,容易造成参数误剪且影响网络模型整体性能.提出一种改进的卷积神经网络模型剪枝方法,通过对卷积神经网络模型进行稀疏正则化训练,得到参数较稀疏的深度卷积神经网络模型,并结合卷积层和BN层的稀疏性进行结构化剪枝去除冗余滤波器.在CIFAR-10、CIFAR-...
|
| 关 键 词： | 深度学习 模型剪枝 卷积神经网络 稀疏约束 模型压缩 |
| 收稿时间： | 2020-08-27 |
| 修稿时间： | 2020-10-20 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程》浏览原始摘要信息 |
|
点击此处可从《计算机工程》下载全文 |
|
