[发明专利]图像分类卷积神经网络压缩方法及芯粒器件数据分配方法

权利要求书

1.一种图像分类卷积神经网络压缩方法，其特征在于，包括：

获取已经训练好的用于进行图像分类的原始卷积神经网络模型；

根据预设的第一剪枝率，对所述原始卷积神经网络模型中的滤波器进行随机剪枝；所述第一剪枝率包括每层网络的剪枝率；

针对每个滤波器，分别计算各输入维对滤波器的输入影响因子，并对所有滤波器的输入影响因子进行归一化处理；

针对每个滤波器，分别计算滤波器对各输出维的输出影响因子，并对所有滤波器的输出影响因子进行归一化处理；

针对每个滤波器，拼接归一化处理后的输入影响因子和输出影响因子，得到影响向量；

基于各滤波器对应的影响向量，筛选待剪除的滤波器；

剪除筛选出的滤波器，得到压缩后的图像分类卷积神经网络；

其中，输入维对滤波器的输入影响因子通过如下方式计算：

确定用于计算影响因子的输入数据样本集X={}；其中表示所述输入数据样本集X中的第n个数据样本，所述输入数据样本集X所包括的数据样本类型不少于用于训练所述原始卷积神经网络模型的数据集所包括的数据样本类型，且不同类型的数据样本数量相同；

基于所述输入数据样本集X，确定不能使用所述输入数据样本集X第i个输入维信息的数据集Y={}；其中第n个数据样本的表达式为：

和分别表示数据样本的第i个和第l个输入维，和分别表示数据样本的第m个和第l个输入维，n2表示数据样本的维度数，n1表示输入所述数据样本集X的数据样本总数；

计算不能使用第i个输入维信息所造成的第k个滤波器输出的平方根差异，作为第i个输入维对第k个滤波器的输入影响因子，表达式为：

其中，表示输入所述输入数据样本集X中的第n个数据样本时第k个滤波器的输出，表示输入数据集Y中的第n个的数据样本时第k个滤波器的输出；

所述对所有滤波器的输入影响因子进行归一化处理，包括：

计算归一化处理后第i个输入维对第k个滤波器的输入影响因子，表达式为：

；

其中表示所有输入影响因子中的最小值，表示所有输入影响因子中的最大值；

滤波器对输出维的输出影响因子通过如下方式计算：

计算不能使用第k个滤波器输出信息所造成的第j个输出维的平方根差异，作为第k个滤波器对第j个输出维的输出影响因子，表达式为：

其中，表示输入所述输入数据样本集X中的第n个数据样本时模型的第j个输出维，表示输入所述输入数据样本集X中的第n个数据样本但将第k个滤波器的输出由修改为后模型的第j个输出维；

所述对所有滤波器的输出影响因子进行归一化处理，包括：

计算归一化后第k个滤波器对第j个输出维的输出影响因子，表达式为：

；

其中表示所有输出影响因子中的最小值，表示所有输出影响因子中的最大值。