《表1 网络压缩方法总结:卷积神经网络的压缩研究》
本文详细介绍了四种常用的卷积神经网络压缩技术:低秩近似,剪枝与稀疏压缩,参数量化,二值网络。如表1所示,低秩近似在全连接层应用最多,使用SVD可以压缩5~13倍;剪枝与稀疏压缩有效利用了卷积神经网络的过参数化特性,去掉冗余的神经元,能够减少大量权重,同时还可以增强网络的抗过拟合能力;参数量化方法是目前在FPGA和专用的硬件加速器中使用最普遍的方法,在不改变原始网络结构的基础上能够很好地压缩网络,节省大量存储空间;二值网络是压缩比最高的方法,但网络训练困难,精度损失大,二值网络是目前压缩研究的热点问题。卷积神经网络的压缩研究未来会集中在通用化、网络改动小、压缩比高、精度损失小等综合性能突出的压缩方法上,或者融合多种压缩方法应用到一个网络上,以最大化性能提升。
图表编号 | XD0030699300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.15 |
作者 | 姜懿家 |
绘制单位 | 大连市第十三中学 |
更多格式 | 高清、无水印(增值服务) |