variational convolutional neural network pruning进行多次迭代选择性剪枝和重新训练非常耗时且不利于实际操作2稳.pdfVIP

下载本文档

4
0
约9.01万字
约 33页
2023-08-24 发布于北京
举报
版权申诉

variational convolutional neural network pruning进行多次迭代选择性剪枝和重新训练非常耗时且不利于实际操作2稳.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

结构化剪枝。Wen 等人 [43]通过对一组权重施加 L1 范数来利用不同粒度的 CNN 压缩。Li 等人 [23]提出一种剪枝和再训练策略来压缩跨多层的滤波器。Liu 等人[27]利用批量归一化层[18]的比例因子去除无效通道并对剪枝后的模型进行微调以恢复可比较的精度。He 等人[14]提出了一种方法基于 LASSO 回归和最小二乘重构来减少冗余通道。[29,47]将网络剪枝转化为优化问题，通过贪心算法逐层进行通道选择。所有这些结构化剪枝方法都是硬件友好，即直接增强网络推理。然而，大多数剪枝方法 [1,7,16]需要重新训练阶段才能恢复可比较的精度，这增