《表3 卷积矢量化加速实验结果Tab.3 Experiment results of convolution vectorization》

  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

《卷积神经网络声学模型的结构优化和加速计算》

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

在CNN加速实验中，为突出矢量化方法的加速效果，我们降低了全连接层在整个神经网络中所占的比重。实验采取了2个卷积层和一个全连接层的结构，同时适当减少滤波器的数量，每个卷积层使用64个卷积滤波器，以减少第2卷积层的输出节点，进一步减少全连接的权重数量。第1层卷积滤波器的窗为7×7，采样窗为3×3；第2层卷积滤波器的窗为4×4，采样窗为2×2；全连接层的节点数为1 024。采用上文提到86 305作为测试集，依据在测试集上解码时模型的前向计算时间来评判加速方法的有效性（进行3次解码，取平均时间），表3给出了实验对比结果。