买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:苏州大学
摘要:本发明涉及一种模型剪枝方法及计算机可读存储介质,包括获取包含多个卷积层的深度卷积神经网络作为待剪枝模型;计算待剪枝模型中所有滤波器通道被剪枝后的模型网络损失变化量,作为剪枝敏感度;计算所有滤波器通道的归一化L2范数,作为相对重要性;将每个滤波器通道的剪枝敏感度和相对重要性加权求和,获取重要性评分;将待剪枝模型中滤波器数量相同的卷积层划分为一组,获取多组卷积层集合;将每组卷积层集合中所有的滤波器通道按照重要性评分由小到大的顺序排序,基于预设全局剪枝率,对排序中前预设个数的滤波器通道进行剪枝;获取对每组卷积层集合均剪枝结束的待剪枝模型,得到目标模型。
主权项:1.一种模型剪枝方法,其特征在于,包括:获取包含多个卷积层的深度卷积神经网络作为待剪枝模型;基于训练集,计算待剪枝模型中每个卷积层的每个滤波器中每个滤波器通道被剪枝后的模型网络损失,与无滤波器通道被剪枝时的模型初始网络损失的差值,获取每个滤波器通道被剪枝后的模型网络损失变化量,作为每个滤波器通道的剪枝敏感度;获取所述待剪枝模型中每个卷积层的每个滤波器中每个滤波器通道的通道权重;计算每个滤波器通道的通道权重的L2范数,并进行归一化,获取每个滤波器通道的归一化L2范数,作为每个滤波器通道的相对重要性;对于待剪枝模型中每个卷积层的每个滤波器中的每个滤波器通道,将每个滤波器通道的剪枝敏感度和相对重要性,基于预设超参数加权求和,获取每个滤波器通道的重要性评分;将所述待剪枝模型中滤波器数量相同的卷积层划分为一组,获取多组卷积层集合;对于每组卷积层集合,将其中所有的滤波器通道按照重要性评分由小到大的顺序排序,基于预设全局剪枝率,分别对每组卷积层集合的排序中前预设个数的滤波器通道进行剪枝;获取对每组卷积层集合均剪枝结束的待剪枝模型,得到目标模型。
全文数据:
权利要求:
百度查询: 苏州大学 一种模型剪枝方法及计算机可读存储介质
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。