[发明专利]深度神经网络的加速与压缩方法及装置有效
| 申请号： | 201810088723.X | 申请日： | 2018-01-30 |
| 公开（公告）号： | CN108334945B | 公开（公告）日： | 2020-12-25 |
| 发明（设计）人： | 程健;胡庆浩 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G06N3/063 | 分类号： | G06N3/063;G06N3/08 |
| 代理公司： | 北京瀚仁知识产权代理事务所(普通合伙) 11482 | 代理人： | 郭文浩;陈晓鹏 |
| 地址： | 100190 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于神经网络技术领域，具体涉及一种深度神经网络的加速与压缩方法及装置。旨在解决现有技术对深度神经网络进行压缩和加速占用大量内存并且精度下降的问题。本发明提供深度神经网络的加速与压缩方法，包括获取原始深度神经网络中各层的输入数据与参数矩阵；基于输入数据与参数矩阵，计算原始深度神经网络中各层的二值矩阵与浮点系数；将二值矩阵替换原始深度神经网络各层的参数矩阵，并在原始深度神经网络中构建尺度因子层，基于浮点系数初始化尺度因子层的参数，得到新的深度神经网络。本发明的方案能够将神经网络的网络参数二值化，占用更少的内存且提升精度。 | ||
| 搜索关键词： | 深度 神经网络 加速 压缩 方法 装置 | ||
【主权项】：
1.一种深度神经网络的加速与压缩方法，其特征在于，所述方法包括：步骤S1：获取原始深度神经网络中各层的输入数据与参数矩阵；步骤S2：基于所述输入数据与参数矩阵，计算所述原始深度神经网络中各层的二值矩阵与浮点系数；步骤S3：将所述二值矩阵替换所述原始深度神经网络各层的参数矩阵，并在所述原始深度神经网络中构建尺度因子层，基于所述浮点系数初始化所述尺度因子层的参数，得到新的深度神经网络。
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中国科学院自动化研究所，未经中国科学院自动化研究所许可，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/201810088723.X/，转载请声明来源钻瓜专利网。
