申请/专利权人:芜湖安普机器人产业技术研究院有限公司;安徽工程大学
申请日:2024-04-03
公开(公告)日:2024-06-28
公开(公告)号:CN118261226A
主分类号:G06N3/082
分类号:G06N3/082;G06N3/0464
优先权:
专利状态码:在审-公开
法律状态:2024.06.28#公开
摘要:本发明公开了基于自蒸馏的卷积神经网络自适应剪枝方法,具体包括以下步骤:步骤S1,构建自适应CNN模型,并在每一层的每个滤波器中引入了一个额外的可训练参数;步骤S2,采用正则化项代入目标函数;步骤S3,将自蒸馏集成到端到端自适应剪枝算法;步骤S4,引入资源约束正则化,以促进不同程度的修剪。本发明简化跨不同层自适应修剪过程:引入端到端自适应修剪,为每个通道引入一个可训练的参数,便于控制通道修剪,这种将剪枝整合到训练过程中,消除了对大量超参数调优的需要,剪枝和微调同时进行,产生最终的剪枝模型;减少性能损失提高了准确性:引入自蒸馏修剪,减轻通常观察到的修剪后的性能下降。
主权项:1.一种基于自蒸馏的卷积神经网络自适应剪枝方法,其特征在于:具体包括以下步骤:步骤S1,构建自适应CNN模型,并在每一层的每个滤波器中引入了一个额外的可训练参数;步骤S2,采用正则化项代入目标函数;步骤S3,将自蒸馏集成到端到端自适应剪枝算法;步骤S4,引入资源约束正则化,以促进不同程度的修剪。
全文数据:
权利要求:
百度查询: 芜湖安普机器人产业技术研究院有限公司;安徽工程大学 一种基于自蒸馏的卷积神经网络自适应剪枝方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。