《表3 压缩前、后模型相关数据》
在训练参数和实验环境与原有方法一致的条件下,本实验通过使用改进的网络结构训练2个周期后,实现了对风格模型压缩的目标,模型压缩前、后的实验结果如表3所示。移动设备的计算资源和能耗预算都很有限,因此模型压缩对于在移动设备上部署神经网络模型至关重要,深度神经网络压缩与加速性能的主要测评标准是压缩比和加速比[13]。假设λ和λ*分别为原始模型M和压缩后模型M*所有参数所占的内存开销,那么模型的压缩比Cr可表示为
图表编号 | XD00162237600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.25 |
作者 | 裴斐、刘进锋、李崤河 |
绘制单位 | 宁夏大学信息工程学院、宁夏大学信息工程学院、宁夏大学信息工程学院 |
更多格式 | 高清、无水印(增值服务) |