科研之友
微信
新浪微博
Facebook
分享链接
摘要
近年来，随着深度学习技术的飞速发展，卷积神经网络（CNN）变得越来越流行，应用范围也日益广泛。为提高模型准确性，CNN逐渐增加网络的深度和宽度，导致网络结构逐渐膨胀，现有的深度神经网络通常拥有数百万甚至上千万个参数，需要耗费大量的计算和存储资源。在计算能力受限的移动设备（如智能手机或平板电脑）上部署和运行深度神经网络，面临巨大挑战。这亟须一种可在有限计算能力设备上提高运行效率且不影响精度的方法。神经网络压缩是在不影响计算精度的前提下，减小网络规模并提高存储效率的一类有效方法，近些年得到广泛关注和应用。神经网络压缩包括多个分支，本文对基于剪枝的神经网络压缩算法进行全面论述，针对剪枝算法现有的分类法进行更详细的分类展开，并进行系统描述；将调查的文献按分类法进行归纳总结，详细论述每个工作的主要贡献；针对目前剪枝算法的特点和不足，对其未来发展趋势展开讨论。
- 单位
