《表1 对比实验结果/%:基于字典学习的卷积神经网络压缩方法》
为了与常见的网络参数裁剪、聚类、编码混合的压缩方法进行对比,本次对比实验,用这种混合的压缩方法对LeNet-C5和DenseNet进行了压缩实验,首先进行网络参数裁剪,采用逐步裁剪的策略(每次裁剪10%的参数),每次裁剪之后再进行重新训练,更新未裁剪的权值来恢复精度,最终LeNet-C5裁剪了80%的参数、DenseNet裁剪了70%的参数。裁剪之后,对权值进行K-means聚类,将每个簇的权值,替换为聚类中心的数值,之后再进行重新训练,更新聚类中心来恢复精度。最后,对其进行哈夫曼编码,实现网络压缩。实验结果见表1。
图表编号 | XD00137229600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.16 |
作者 | 耿旭、张永辉、张健 |
绘制单位 | 海南大学信息与通信工程学院、海南大学信息与通信工程学院、海南大学信息与通信工程学院 |
更多格式 | 高清、无水印(增值服务) |