《表3 基于cifar-10的VGG模型压缩结果》
本部分基于cifar-10数据集对VGG网络框架进行压缩,以验证Taylor-guided剪枝算法在模型(小尺度图像作为训练集)压缩中的有效性.VGG-16网络基于cifar-10的剪枝结果如表3所示,此时βmin=10%,令ε=2%.从表中可以看出Taylor-guided剪枝算法在FLOPs减少79.30%、参数压缩86.05%的情况下,仍然可以保持着较高的top-1值(93.21%).当压缩模型top-1接近93.2%时,我们可以发现通过Taylor-guided剪枝压缩的模型,其FLOPs和参数量(79.30%,86.05%)的压缩率要优于L1剪枝算法(34.39%,65.71%)和SSS剪枝算法(41.72%,73.13%)的压缩率;此外相对于Zhao等所提算法和Taylor剪枝算法,Taylor-guided剪枝在高压缩比的情况下(FLOPs压缩率对比79.30%vs.39.49%vs.41.72%,参数量压缩率86.05%vs.73.33%vs.73.13%),仍然能够获得较高的top-1值(93.21%).这也表明Taylor-guided剪枝在压缩通过小尺度图片训练的网络时,也可以表现出优越的性能.
图表编号 | XD00204794800 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.20 |
作者 | 张彪、杨朋波、桑基韬、于剑 |
绘制单位 | 北京交通大学计算机与信息技术学院、交通数据分析与挖掘北京市重点实验室(北京交通大学)、北京交通大学计算机与信息技术学院、交通数据分析与挖掘北京市重点实验室(北京交通大学)、北京交通大学计算机与信息技术学院、交通数据分析与挖掘北京市重点实验室(北京交通大学)、北京交通大学计算机与信息技术学院、交通数据分析与挖掘北京市重点实验室(北京交通大学) |
更多格式 | 高清、无水印(增值服务) |