基于因子分析的卷积神经网络模型压缩算法研究 |
| |
引用本文: | 刘冬冬,李林才,句媛媛,吴刘仓,肖清泰.基于因子分析的卷积神经网络模型压缩算法研究[J].昆明理工大学学报(理工版),2024(2):207-214. |
| |
作者姓名: | 刘冬冬 李林才 句媛媛 吴刘仓 肖清泰 |
| |
作者单位: | 1. 昆明理工大学理学院;2. 昆明理工大学理学院工业工程重点实验室;3. 昆明理工大学应用统计学研究中心;4. 昆明理工大学冶金与能源工程学院 |
| |
基金项目: | 国家自然科学基金项目(12261051);;云南省科技厅科技计划项目(202101AU070031);;云南省教育厅科研基金项目(2022J0059); |
| |
摘 要: | 针对复杂的卷积神经网络模型存在参数规模大、运算时间长等问题,提出一种有效的卷积神经网络模型压缩算法.该算法引入因子分析的思想对卷积神经网络模型进行压缩:首先将四维的卷积核权重张量转化为二维的矩阵形式,计算相关矩阵,并对其进行奇异值分解;其次,通过控制累积方差贡献率,确定适当的因子数量,计算因子载荷矩阵;最后,重构出更具代表性的卷积核.通过在Catdog、CIFAR10、CIFAR100三个数据集上进行验证,实验结果表明:该压缩算法能够在保证卷积神经网络精度的前提下,使AlexNet、ResNet的参数压缩率达到30.7%~68.2%,运行时间减少17.53%~37.21%.从而验证了本文提出的算法在压缩率和运算效率方面的优势,为基于因子分析的卷积神经网络模型压缩提供了一种可能的框架.
|
关 键 词: | 模型压缩 因子分析 卷积神经网络 图像分类 |
|
|