[发明专利]深度神经网络模型的压缩方法及装置、终端、存储介质在审
| 申请号： | 201710266304.6 | 申请日： | 2017-04-21 |
| 公开（公告）号： | CN108734266A | 公开（公告）日： | 2018-11-02 |
| 发明（设计）人： | 林福辉;赵晓辉 | 申请（专利权）人： | 展讯通信（上海）有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 郭学秀;吴敏 |
| 地址： | 201203 上海市浦东新区浦东*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种深度神经网络模型的压缩方法及装置、终端、存储介质，所述方法包括：基于所获取的深度神经网络模型中各层的精简单元的贡献度的信息，对所述深度神经网络模型进行精简，直至精简后的深度神经网络模型满足预设的精度需求；对所述精简后的深度神经网络模型进行重新训练，得到重新训练后的深度神经网络模型；当确定重新训练后的深度神经网络模型不满足预设的压缩体积需求时，对重新训练后的深度神经网络模型中的各层参数进行迭代量化；对重新训练后的深度神经网络模型进行N次迭代量化，直至量化后的深度神经网络模型满足预设的压缩体积需求。上述的方案，可以是在对深度神经网络模型压缩时，兼顾深度神经网络模型的精度及有效性。 | ||
| 搜索关键词： | 神经网络模型 预设 压缩方法及装置 存储介质 迭代量化 压缩 终端 精度需求 贡献度 量化 | ||
【主权项】：
1.一种深度神经网络模型的压缩方法，其特征在于，包括：获取已训练的深度神经网络模型；基于所获取的所述深度神经网络模型中各层的精简单元的贡献度的信息，对所述深度神经网络模型进行精简，直至精简后的深度神经网络模型满足预设的精度需求；对所述精简后的深度神经网络模型进行重新训练，得到重新训练后的深度神经网络模型；当确定重新训练后的深度神经网络模型不满足预设的压缩体积需求时，分别采用各层对应的预设量化等级，对重新训练后的深度神经网络模型中的各层参数进行迭代量化；所述迭代量化为对所述重新训练的所有层均进行一次量化；对重新训练后的深度神经网络模型进行N次迭代量化，直至量化后的深度神经网络模型满足预设的压缩体积需求。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于展讯通信（上海）有限公司，未经展讯通信（上海）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710266304.6/，转载请声明来源钻瓜专利网。
