[发明专利]一种基于网络层剪枝的深度学习网络模型压缩方法在审
| 申请号： | 202010177912.1 | 申请日： | 2020-03-13 |
| 公开（公告）号： | CN111401523A | 公开（公告）日： | 2020-07-10 |
| 发明（设计）人： | 郭烈;高建东;赵剑;刘蓬勃;石振周 | 申请（专利权）人： | 大连理工大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 大连东方专利代理有限责任公司 21212 | 代理人： | 姜玉蓉;李洪福 |
| 地址： | 116024 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于网络层剪枝的深度学习网络模型压缩方法，包括：对于完成训练的卷积神经网络，将训练后的权重导入并进行针对BN层的稀疏化训练，BN层中有两个训练参数，分别为Gamma和Beta，经过多次迭代完成稀疏化的过程；获取网络各个BN层的Gamma参数，设置全局通道剪枝比例，根据全局剪枝比例计算Gamma参数的阈值，将小于阈值的Gamma参数全部置零；设置要剪掉的shortcut网络层数I，以shortcut中BN层_2的Gamma计算POZ，删除POZ较大的I个shortcut结构；将其他BN层置零的Gamma关联的卷积通道删除；保存剪枝后的网络结构和参数。 | ||
| 搜索关键词： | 一种 基于 网络 剪枝 深度 学习 模型 压缩 方法 | ||
【主权项】：
暂无信息
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大连理工大学，未经大连理工大学许可，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/202010177912.1/，转载请声明来源钻瓜专利网。
