《表2 AlexNet和VGG-16模型的分层迭代剪枝实验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于激活-熵的分层迭代剪枝策略的CNN模型压缩》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本节实验使用基于激活-熵的分层迭代剪枝策略对整个模型进行压缩，比较三种剪枝策略在不同压缩率下的模型精度变化情况，表2显示了AlexNet和VGG-16模型的剪枝实验结果。如表2所示，裁剪权重数量上升，模型压缩率提高，模型准确率下降。经重训练，基于激活-熵的分层迭代剪枝策略：使AlexNet模型压缩了87.5%；准确率下降2.12个百分点，比基于幅度的权重剪枝策略提高1.54个百分点，比基于相关性的权重剪枝策略提高0.91个百分点。使VGG-16模型压缩了84.1%；准确率下降2.62个百分点，比基于幅度的权重剪枝策略提高0.62个百分点，比基于相关性的权重剪枝策略提高0.27个百分点。