基于滤波器裁剪的卷积神经网络加速算法

作者：李浩; 赵文杰^*; 韩波

来源：浙江大学学报(工学版), 2019, 53(10): 1994-2002.

• 深度学习
• 卷积神经网络(CNN)
• 模型压缩
• 滤波器
• 特征图

针对卷积神经网络(CNN)模型的压缩和加速问题,提出基于滤波器裁剪的新型卷积神经网络模型加速算法.通过计算卷积层中滤波器的标准差值衡量该滤波器的重要程度,裁剪对神经网络准确率影响较小的滤波器及对应的特征图,可以有效地降低计算成本.与裁剪权重不同,该算法不会导致网络稀疏连接,不需要应用特殊的稀疏矩阵计算库.基于CIFAR-10数据集的实验结果表明,该滤波器裁剪算法能够对VGG-16和ResNet-110模型加速30%以上,通过微调继承的预训练参数可以使结果接近或达到原始模型的精度.

• 单位
  航天学院; 浙江大学