[发明专利]一种用于深度卷积神经网络模型压缩的方法在审
| 申请号： | 201710038007.6 | 申请日： | 2017-01-18 |
| 公开（公告）号： | CN108322221A | 公开（公告）日： | 2018-07-24 |
| 发明（设计）人： | 肖学锋;金连文;杨亚锋;常天海;刘汝杰;孙俊 | 申请（专利权）人： | 华南理工大学;富士通株式会社 |
| 主分类号： | H03M7/40 | 分类号： | H03M7/40;H03M7/30;G06N3/08;G06K9/62 |
| 代理公司： | 广东广信君达律师事务所 44329 | 代理人： | 杨晓松 |
| 地址： | 510640 广东省广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种用于深度卷积神经网络模型压缩的方法，包括步骤：对于已经训练完成的深度卷积神经网络模型进行再训练，去除其中冗余的网络连接；对卷积神经网络的各网络层的剩余连接的权值进行编码；对卷积神经网络的各网络层的剩余连接的权值进行k‑means聚类；对聚类结果进行微调；保存微调后的结果，并对保存的文件进行哈夫曼编码。本发明通过动态阈值的设定，能够较平缓地去除网络中的连接，使网络能够从连接被去除的不利情况中恢复，从而能够达到相同准确率损失的情况下，压缩倍数较高的效果；在剩余连接编码过程中，使用的改进的CSR编码方法可以减少表示索引值所需要的比特位数，从而能够减小压缩文件的大小，提高压缩率。 | ||
| 搜索关键词： | 卷积神经网络 去除 模型压缩 网络层 微调 哈夫曼编码 比特位数 编码过程 聚类结果 网络连接 压缩文件 压缩率 保存 冗余 准确率 减小 聚类 索引 网络 压缩 改进 恢复 | ||
【主权项】：
1.一种用于深度卷积神经网络模型压缩的方法，其特征在于，包括步骤S1：对于已经训练完成的深度卷积神经网络模型进行再训练，去除其中冗余的网络连接；S2：对卷积神经网络的各网络层的剩余连接的权值进行编码；S3：对卷积神经网络的各网络层的剩余连接的权值进行k‑means聚类；S4：对聚类结果进行微调；S5：保存微调后的结果，并对保存的文件进行哈夫曼编码。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学;富士通株式会社，未经华南理工大学;富士通株式会社许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710038007.6/，转载请声明来源钻瓜专利网。
- 上一篇：编解码方法、装置及编解码设备
- 下一篇：一种生成及使用分布式唯一ID的方法
