《表4 Taylor-guided剪枝与原始模型在cifar-10中各类别的精度对比》

  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

《基于特征归因重要度评价的卷积网络剪枝》

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

Taylor-guided剪枝算法在完成模型剪枝后，此时压缩模型的top-1为93.21%，FLOPs和参数量的减少率分别为79.30%和86.05%.为了了解剪枝过程对不同类别的影响情况，我们对cifar-10中每一个类别的top-1进行展示，结果如表4所示.从表中可以发现模型压缩过程对每个类别的影响是不同的，我们可以看到Deer类在压缩之后模型的精度有所提高，而Car类别的精度保持不变，其余类别的识别精度均有不同程度的降低.以上结果进一步地表明网络中不同卷积核对每个类的贡献程度有较大的差异，删除一个卷积核可能只对某一类别图片有影响，即该卷积核可能只包含该类别所独有的特征.