《表3 卷积矢量化加速实验结果Tab.3 Experiment results of convolution vectorization》
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。
图表编号 | XD006297500 严禁用于非法目的 |
---|---|
绘制时间 | 2018.06.01 |
作者 | 王智超、徐及、张鹏远、颜永红 |
绘制单位 | 中国科学院语言声学与内容理解重点实验室、中国科学院语言声学与内容理解重点实验室、中国科学院语言声学与内容理解重点实验室、中国科学院语言声学与内容理解重点实验室、中国科学院新疆理化技术研究所新疆民族语音语言信息处理实验室 |
更多格式 | 高清、无水印(增值服务) |