《表6 VGG-BN-Net剪枝结果》
VGG-BN-Net结构相较于VGG-Net加入了BatchNormalization层和Dropout层,目的是缩短训练网络的时间并且提升网络的原始性能。经过训练后VGG-BN-Net能达到91.17%的测试集正确率。根据上文所述获取Value值的方法,选取全连接层的Value值为-10 000,卷积层的Value值为-20 000,剪枝后效果见表6。经过重训练后正确率为91.03%,正确率下降了0.14个百分点,计算量下降了35.3个百分点,参数量仅为之前的29.3%。
图表编号 | XD00163177200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.10 |
作者 | 王忠锋、徐志远、宋纯贺、张宏宇、蔡颖凯 |
绘制单位 | 机器人学国家重点实验室(中国科学院沈阳自动化研究所)、网络化控制系统重点实验室(中国科学院沈阳自动化研究所)、中国科学院机器人与智能制造创新研究院、机器人学国家重点实验室(中国科学院沈阳自动化研究所)、网络化控制系统重点实验室(中国科学院沈阳自动化研究所)、中国科学院机器人与智能制造创新研究院、中国科学院大学、机器人学国家重点实验室(中国科学院沈阳自动化研究所)、网络化控制系统重点实验室(中国科学院沈阳自动化研究所)、中国科学院机器人与智能制造创新研究院、国网辽宁省电力有限公司、国网辽宁省电力有限公司 |
更多格式 | 高清、无水印(增值服务) |