《表2 AlexNet和VGG-16模型的分层迭代剪枝实验结果》
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。
图表编号 | XD00163177400 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) |