基于LZW编码的卷积神经网络压缩方法

作者：刘崇阳; 刘勤让

来源：计算机工程, 2019, 45(09): 188-193.

DOI：10.19678/j.issn.1000-3428.0052195

• 卷积神经网络
• LZW编码
• 浮点转定点
• 模型剪枝
• k-means聚类量化

针对卷积神经网络(CNN)因参数量大难以移植到嵌入式平台的问题,提出基于LZW编码的CNN压缩方法。通过浮点转定点和剪枝2种方法来压缩模型容量。对权值进行k-means聚类量化,并在此基础上进行LZW编码。在MNIST数据集上进行实验,结果表明,剪枝效果优于浮点转定点的压缩效果,在进行剪枝、量化后使用LZW编码,其压缩比可达25.338。