《表1 实验环境：基于激活-熵的分层迭代剪枝策略的CNN模型压缩》
提示：宽带有限、当前游客访问压缩模式
本章实验使用Pytorch-1.0.0作为深度学习框架，实验环境如表1所示。
| 图表编号 | XD00163177300 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.05.10 |
| 作者 | 陈程军、毛莺池、王绎超 |
| 绘制单位 | 河海大学计算机与信息学院、河海大学计算机与信息学院、河海大学计算机与信息学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 组卷过程算法：基于信息熵的在线考试组卷策略研究》2020.09.30
- 《表1 实验环境：基于CNN掌纹识别技术在智慧电网的应用研究》2020.06.01
- 《表1 实验环境配置：CGGA:一种CNN与并行门控机制混合的文本分类模型》2021.03.01
- 《表2 原型系统实验环境：基于熵的供应链伙伴RBF神经网络选择方法》2019.11.25
- 《表3 CNN不同迭代次数的实验结果》2020.12.30
- 《表1 汽车参数：网联环境下基于分层式模型预测控制的车队能量控制策略研究》2020.07.20
- 《表2 实验硬件环境配置：基于Mask R-CNN的电力设备红外图像分割技术研究》2020.02.20
- 《表2 AlexNet和VGG-16模型的分层迭代剪枝实验结果》2020.05.10
- 《表1 模型参数设置：一种结合压缩激发块和CNN的文本分类模型》2020.09.01
- 《表1 实验用数据集：基于多尺度卷积策略CNN的滚动轴承故障诊断》2020.06.15
- 《表2 实验环境配置表：低冗余计算的可达性查询保持图压缩策略》2020.02.10
- 《表1 仿真模型参数：基于不同时间尺度的交直流混合配电网分层优化控制策略》2020.03.30
- 《表1 实验环境配置表：基于BERT-CNN的电商评论情感分析》2020.02.01
- 《表1 系统运行成本：基于分层模型预测控制的源荷协调控制策略研究》2019.10.20
- 《表1 实验环境配置：基于多通道LSTM-CNN模型的Twitter情感分析》2019.06.30
- 《表1 实验环境：基于改进Faster R-CNN的子弹外观缺陷检测》2019.08.10
- 《表1 实验数据分布：基于多尺度融合CNN的恶意软件行为描述语句抽取模型》2019.01.01
- 《表5 G-CNN模型迭代次数与训练误差之间的对应关系》2019.04.15
- 《表4 CNN模型迭代次数与训练误差之间的对应关系》2019.04.15
- 《表1 实验环境配置：基于CNN和LSTM混合模型的人体跌倒行为研究》2019.12.01