《表3 VGG16和ResNet18的卷积层结构》

  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

《基于自动化剪枝策略的青铜铭文识别方法》

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

同时也发现，针对全连接层中含有大量参数的神经网络如VGG16，参数数量的优化能力有限，所提剪枝方法只适用于卷积层，而无法实现对全连接层的剪枝。但越来越多的神经网络用全局池化层代替全连接层，这在一定程度上改善了上述不足。针对规模较大的神经网络，随机组合的选取对剪枝的效果至关重要，选取的组合越多，选取到较优的组合概率越高，剪枝效果越好，但效率也越低。本文通过设定每一轮的剪枝上限从而限制选取的随机性，提升了随机组合的质量，但依然存在剪枝效率和效果的平衡问题。