-
公开(公告)号：CN116579408A
公开(公告)日：2023-08-11
申请号：CN202310612972.5
申请日：2023-05-29
Applicant: 杭州市滨江区浙工大网络空间安全创新研究院
IPC: G06N3/082 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种基于模型结构冗余度的模型剪枝方法及系统，涉及计算机视觉和神经网络技术领域，包括：S1：训练图像分类模型，作为样本模型；S2：提取模型特征表示，得到样本模型的中间表示，设置模型结构冗余度阈值；S3：计算相邻层的模型结构冗余度；S4：根据计算出的模型结构冗余度和设定的模型结构冗余度阈值对样本模型进行剪枝操作，得到剪枝后模型；S5：将样本模型与剪枝后模型应用于后续分类任务，对比二者的分类精度。本发明为深度学习模型提出了一种新的测试度量，它提供了模型结构冗余程度的定量评估，并以此设计了一种新的层修剪方法，在消除结构冗余的同时，获得具有高准确率剪枝后的模型。
Search Results
1
records
(took 0.026 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
