[发明专利]一种深度神经网络的压缩方法、系统及终端设备有效
| 申请号： | 201910059183.7 | 申请日： | 2019-01-22 |
| 公开（公告）号： | CN109858613B | 公开（公告）日： | 2021-02-19 |
| 发明（设计）人： | 柳伟;仪双燕;杨火祥 | 申请（专利权）人： | 鹏城实验室 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08 |
| 代理公司： | 深圳中一联合知识产权代理有限公司 44414 | 代理人： | 李艳丽 |
| 地址： | 518000 广东省深圳*** | 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： | 本发明适用于计算机技术领域，提供了一种深度神经网络的压缩方法、系统及终端设备，包括：输入测试样本数据，获取深度神经网络第L层的原特征图，并根据第L层的原特征图确定第L层的冗余滤波器；根据冗余滤波器对第L层进行剪枝；获取第L+1层的原特征图和第L层剪枝后的特征图；将第L+1层的原特征图和第L层剪枝后的特征图输入到滤波器学习模型中，通过滤波器学习模型自动学习并输出第L+1层的重构滤波器；将第L层剪枝后的特征图输入第L+1层的重构滤波器获取第L+1层的目标特征图，基于特征图进行剪枝和重构，结合剪枝的影响自动学习并重构滤波器，在实现滤波器的结构化稀疏的同时保证压缩后的深度神经网络模型的分类准确性，提高了计算效率。 | ||
| 搜索关键词： | 一种 深度 神经网络 压缩 方法 系统 终端设备 | ||
【主权项】：
1.一种深度神经网络的压缩方法，其特征在于，包括：输入测试样本数据，获取所述深度神经网络第L层的原特征图，并根据所述第L层的原特征图确定所述第L层的冗余滤波器；其中，L为不小于1的正整数；根据所述冗余滤波器对所述第L层进行剪枝；获取第L+1层的原特征图和所述第L层剪枝后的特征图；将所述第L+1层的原特征图和所述第L层剪枝后的特征图输入到滤波器学习模型中，通过所述滤波器学习模型自动学习并输出所述第L+1层的重构滤波器；将所述第L层剪枝后的特征图输入所述第L+1层的重构滤波器获取所述第L+1层的目标特征图。
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鹏城实验室，未经鹏城实验室许可，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/201910059183.7/，转载请声明来源钻瓜专利网。
