[发明专利]caffemodel模型压缩方法、系统、设备及介质

权利要求书

1.一种caffemodel模型压缩方法，其特征在于，所述caffemodel模型压缩方法包括：

利用caffe框架导入一训练后的caffemodel模型，所述caffemodel模型包括fc6层和/或fc7层，所述fc6层和/或fc7层的权重矩阵为第一权重矩阵；

获取所述第一权重矩阵；

将所述第一权重矩阵中的绝对值大于和等于预设阈值的元素设置为1，并将所述第一权重矩阵中的绝对值小于所述预设阈值的元素设置为0后，生成掩码矩阵，所述预设阈值为一正值；

利用训练集训练所述caffemodel模型，迭代后，所述fc6层和/或fc7层的权重矩阵为第二权重矩阵；

将所述第二权重矩阵中的每项元素与所述掩码矩阵中对应的每项元素相乘生成第三权重矩阵，将所述fc6层和/或fc7层的权重矩阵设置为所述第三权重矩阵；

返回所述利用训练集训练所述caffemodel模型，迭代后，所述fc6层和/或fc7层的权重矩阵为第二权重矩阵的步骤；

直至达到预设迭代结束条件，则迭代结束，将所述第三权重矩阵转化为对应的csr稀疏矩阵格式生成压缩权重矩阵，将所述caffemodel模型的权重矩阵设置为所述压缩权重矩阵。

2.如权利要求1所述的caffemodel模型压缩方法，其特征在于，所述将所述caffemodel模型的权重矩阵设置为所述压缩权重矩阵的步骤还包括：

迭代结束后，获得所述caffemodel模型的训练精度为迭代训练精度；

迭代前的所述caffemodel模型的训练精度为原始训练精度，计算所述迭代训练精度相比所述原始训练精度的下降比例，若所述下降比例高于预设精度比例，则降低所述预设阈值，返回生成所述掩码矩阵的步骤；

所述将所述第三权重矩阵转化为对应的稀疏矩阵格式生成所述压缩权重矩阵的步骤包括：

直至所述下降比例低于所述预设精度比例，将所述第三权重矩阵转化为对应的稀疏矩阵格式生成所述压缩权重矩阵。

3.如权利要求2所述的caffemodel模型压缩方法，其特征在于，所述预设精度比例的范围为0.1％-0.0.5％。

4.如权利要求1所述的caffemodel模型压缩方法，其特征在于，所述将所述caffemodel模型的权重矩阵设置为所述压缩权重矩阵的步骤之后还括：

利用所述fc6层和/或fc7层接收输入数据，并将所述输入数据与所述压缩权重矩阵作相乘运算得到输出数据。

5.一种caffemodel模型压缩系统，其特征在于，所述caffemodel模型压缩系统包括导入模块、掩码生成模块、迭代模块、掩码模块、返回模块和转化模块；

所述导入模块用于利用caffe框架导入一训练后的caffemodel模型，所述caffemodel模型包括fc6层和/或fc7层，所述fc6层和/或fc7层的权重矩阵为第一权重矩阵；

所述掩码生成模块用于获取所述第一权重矩阵，并将所述第一权重矩阵中的绝对值大于和等于预设阈值的元素设置为1，并将所述第一权重矩阵中的绝对值小于所述预设阈值的元素设置为0后，生成掩码矩阵，所述预设阈值为一正值；

所述迭代模块用于利用训练集训练所述caffemodel模型，迭代后，所述fc6层和/或fc7层的权重矩阵为第二权重矩阵；

所述掩码模块用于将所述第二权重矩阵中的每项元素与所述掩码矩阵中对应的每项元素相乘生成第三权重矩阵，将所述fc6层和/或fc7层的权重矩阵设置为所述第三权重矩阵；

所述返回模块用于返回所述利用训练集训练所述caffemodel模型，迭代后，所述fc6层和/或fc7层的权重矩阵为第二权重矩阵的步骤；

所述转化模块用于直至达到预设迭代结束条件，则迭代结束，将所述第三权重矩阵转化为对应的csr稀疏矩阵格式生成压缩权重矩阵，将所述caffemodel模型的权重矩阵设置为所述压缩权重矩阵。