科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文提出了一种基于贡献率的CNN模型卷积核稀疏化方法，采用针对卷积核的稀疏化方法，基于贡献率的设计方案，对神经网络模型的结构进行稀疏化，选择对CNN模型的预测精度贡献较少的卷积核编号，修改CNN模型中的输出通道参数，一方面能够减少CNN模型的参数规模与模型体积，另一方面能够减少模型在推断过程中执行卷积操作的次数，降低对嵌入式平台计算能力的需求，提升CNN模型的推断速度。实验结果表明，本文算法可以有效的降低CNN模型对嵌入式平台的计算资源与存储资源的需求，稀疏化后的模型在内存占用减少了4倍，模型参数减少3-5倍。
- 单位
