[发明专利]深度神经网络模型的压缩方法及装置、终端、存储介质在审
| 申请号： | 201710267035.5 | 申请日： | 2017-04-21 |
| 公开（公告）号： | CN108734287A | 公开（公告）日： | 2018-11-02 |
| 发明（设计）人： | 林福辉;赵晓辉 | 申请（专利权）人： | 展讯通信（上海）有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/04 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 潘彦君;吴敏 |
| 地址： | 201203 上海市浦东新区张*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种深度神经网络模型的压缩方法及装置、终端、存储介质。所述方法包括：获取已训练的深度神经网络模型；逐层对所述深度神经网络模型中的各层参数进行量化，对所述深度神经网络模型进行N次迭代量化，直至量化后的深度神经网络模型满足预设的压缩体积需求；其中，首次对所述已训练的深度神经网络模型中的第i层参数，进行如下量化处理：对所述已训练的深度神经网络模型中的第i层参数进行聚类分析，根据聚类分析结果确定对应的量化范围及量化等级；根据所确定的量化等级对第i层的量化范围内的参数进行量化。采用上述方案，可以在对深度神经网络模型压缩时，兼顾深度神经网络模型的精度及有效性。 | ||
| 搜索关键词： | 神经网络模型 量化 压缩方法及装置 存储介质 聚类分析 终端 迭代量化 结果确定 量化处理 压缩 预设 | ||
【主权项】：
1.一种深度神经网络模型的压缩方法，其特征在于，包括：获取已训练的深度神经网络模型；逐层对所述深度神经网络模型中的各层参数进行迭代量化，所述迭代量化为对所述深度神经网络模型中的所有层均进行一次量化；对所述深度神经网络模型进行N次迭代量化，直至量化后的深度神经网络模型满足预设的压缩体积需求，N≥0；其中，首次对所述已训练的深度神经网络模型中的第i层参数，进行如下量化处理：对所述已训练的深度神经网络模型中的第i层参数进行聚类分析，根据聚类分析结果确定对应的量化范围及量化等级，i为大于1的自然数；根据所确定的量化等级对第i层的量化范围内的参数进行量化。
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展讯通信（上海）有限公司，未经展讯通信（上海）有限公司许可，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/201710267035.5/，转载请声明来源钻瓜专利网。
- 上一篇：在推断期间中对图形处理器的协调和增加利用
- 下一篇：一种运算方法及装置
