[00100728]一种基于通道梯度剪枝的柔性深度学习网络模型压缩方法
联系人：
所在地：
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
一种基于通道梯度剪枝的柔性深度学习网络模型压缩方法,包括：步骤1、向原始网络添加遮掩层约束,获取待剪枝的深度卷积神经网络模型,步骤2、网络模型在数据集上训练,根据通道梯度和权值的乘积的绝对值作为重要性标准更新通道的遮掩层约束,得到掩码和稀疏模型,步骤3、基于掩码对稀疏模型做剪枝操作,步骤4、重训练紧凑的深度卷积神经网络模型。本发明还提供了基于通道梯度剪枝的柔性深度学习网络模型压缩方法在实际物体识别APP上的应用效果,剪枝后模型对物体的识别速度大幅提升,解决了深度神经网络模型因高存储空间占用,高内存占用,高计算资源占用导致无法部署到嵌入式、智能手机等设备上的技术问题,拓展了深度神经网络的应用范围。
