《表2 Res Net-18/Res Net-50基于flower-102数据集的剪枝结果》

  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

Res Net-18.本部分采用基于Res Net-18结构的变体（详细网络结构见附录A）进行验证.实验中，设置βmin=33%，且令ε=5%；实验结果如表2所示.通过Taylor-guided剪枝算法与Molchanov等[20]提出的Taylor剪枝算法结果的对比可以发现，Taylor-guided剪枝算法生成的网络模型占存更小（减少的参数量分别为82.61%vs.79.33%），同时它的top-1要高于后者的top-1 （73.86%vs.70.62%）.另外利用归因剪枝算法进行模型剪枝时，其top-1损失为0.86%，与Taylor剪枝算法相比，其FLOPs压缩率更高（97.93%vs.62.45%）.根据此实验可以证明本文提出的算法在Res Net网络架构压缩过程中，能够以较大压缩率压缩模型同时可以保证模型拥有较高的top-1值.此实验表明本文算法可以在含有跳跃连接的架构中成功运用.