

一种基于剪枝的神经网络模型构建方法及相关装置.pdf
山梅****ai
亲,该文档总共17页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于剪枝的神经网络模型构建方法及相关装置.pdf
本申请公开了一种基于剪枝的神经网络模型构建方法及相关装置,方法包括:将预置神经网络模型的权重值进行顺序排列,然后通过根据神经网络模型总分支的数量和权重序列确定的剪枝阈值对预置神经网络模型进行剪枝,得到第一剪枝神经网络模型,并计算其重训练后的误差函数进行泰勒展开,以及计算,得到误差变化值;通过判断误差变化值与误差阈值之间的大小关系对神经网络模型进行循环式剪枝操作,得到优化的目标神经网络模型。本申请解决了现有神经网络模型的压缩优化方法设计困难,适用度受限,且压缩后的模型精确度损失较大的技术问题。
神经网络模型剪枝方法、装置、模型、介质及设备.pdf
本申请公开了一种神经网络模型剪枝方法、装置、模型、介质及设备,属于数据控制技术领域。该方法主要包括:在多层级神经网络模型的第一层神经元中选取第一神经元;根据第N‑1神经元与第N层神经元的互信息,在第N层中选取第N神经元;根据第N‑1神经元与第N神经元,在第N‑1层神经元与第N层神经元的连接参数矩阵中删除部分参数元素,获得各个相邻层对应的更新参数矩阵;根据更新参数矩阵,分别对更新参数矩阵中的参数元素进行相应的整理,获得多层级神经网络模型对应的剪枝参数矩阵。基于神经网络模型相邻两层之间的互信息,保留当前层与上
一种基于模型微调的卷积神经网络通道剪枝方法.pdf
本发明涉及一种基于模型微调的卷积神经网络通道剪枝方法及系统,该方法包括:构造卷积神经网络分类模型,该模型由特征提取器和分类器两部分构成,特征提取器包括卷积层以及池化层,在ImageNet图像分类数据集上进行训练,得到预训练模型C;修改所述预训练模型C的分类器,将分类器全连接层输出的类别数设置为目标类别,并在目标数据集上进行稀疏性训练,得到收敛后的模型C′;将所述稀疏训练后的模型C′根据通道剪枝策略进行剪枝,得到剪枝后的模型C″;将所述剪枝后的模型C″在目标数据集上进行微调,以提高剪枝后模型的性能。本发明提
一种神经网络剪枝方法及装置.pdf
本发明公开了一种神经网络剪枝方法及装置,以解决现有技术中网络剪枝不能兼顾压缩、加速和精度的技术问题。该方法:根据待剪枝网络层中神经元的激活值,确定神经元的重要度值;根据所述待剪枝网络层中神经元与下一个网络层中神经元的连接权重,确定神经元的多样性值;根据所述待剪枝网络层中的神经元的重要度值和多样性值,采用体积最大化神经元选取策略从所述待剪枝网络层中选取保留的神经元;将所述待剪枝网络层中的其他神经元剪掉,得到剪枝网络层。本发明技术方案能够在确保神经网络精度的同时取得了较好的压缩和加速效果。
基于稀疏约束再训练的神经网络剪枝方法及装置.pdf
本发明涉及一种基于稀疏约束再训练的神经网络剪枝方法及装置,所述方法包括获取训练集;构建神经网络,将所述神经网络中每个批归一化层中的gamma参数进行L1‑norm约束处理,然后对神经网络进行训练;将所述除每个阶段最后的一个卷积层外所有的卷积层后的批归一化层的gamma参数和每个阶段最后一个卷积层后的批归一化层的gamma参数进行合并,并将合并后的gamma参数升序排列;获取剪枝阈值,根据所述剪枝阈值和gamma参数确定剪枝后的gamma参数所在归一化层的通道数量,输出剪枝网络。本发明不需要重新开始对一个新