原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：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
40一种针对边缘设备高效部署的神经网络优化框架
一种针对边缘设备高效部署的神经网络优化框架
ANeuralNetworkOptimizationFrameworkforEfficientDeploymentonEdgeDevices
李裕赵贝宁曹姗姜之源（上海大学通信与信息工程学院，上海200444)
摘要：得益于优秀的特征提取能力，各类卷积神经网络模型广泛应用于多个领域。在越来越高识别精度要求下，网络模
型的参数量大幅增加，然而边缘设备的计算资源、存储资源往往有诸多限制，因此需要研究针对边缘设备部署的模型优化
方法。提出了一种针对边缘设备高效部署的神经网络优化框架，可以对多种神经网络模型进行灵活剪枝与量化。
关键词：剪枝；混合粒度；卷积神经网络；量化
Abstract:Convolutionneuralnetworkshavebeenwidelydeployedinvariousapplicationsduetotheiroutstandingfea-
tureextractionability.Tomeettheincreasingaccuracyrequirements,thenumberofparametersinnetworkmodelshasin-
creasedsignificantly.However,edgedevicesareoftensubjecttomanylimitationsintermsofcomputationalandstoragere-
sources:Therefore,itisnecessarytostudymodeloptimizationmethodsfordeploymentonedgedevices,Thispaperpro-
posesaneuralnetworkoptimizationframeworkforefficientdeploymentonedgedevices,whichallowsforflexiblepruning
andquantizationofvariousneuralnetworkmodels.
Keywords:pruning,hybrid-grained,convolutionneuralnetworks,quantization
随着人工智能、大数据等技术的发展，智能系统得以蓬勃发量化出现较为明显的模型精优化前的神经网络模型
展。智能系统主要依靠各种传感器获得环境信息，如摄像头，其度损失时，框架将会对模型
对应的数据处理任务一般为图像分类、图像识别。这类任务的准进行量化感知训练。通道剪枝
确度在近年来随着不同结构的卷积神经网络（CNNs,Convolu-2混合粒度模型剪枝
tionNeuralNetworks)[1]的出现大幅提升。为了提高准确度，各卷积层作为卷积神经网通道剪枝N
能否满足
种卷积神经网络模型的参数量大幅增加，这使得它们在小型化、络中计算量最大的一种运算Y混合粒度剪枝
边缘化的智能系统上的部署变得更加困难。因此,构建一个神经层，涉及了非常多的乘法-加
训练后量化
网络优化框架，能根据不同的网络任务、识别精度要求等选择合法操作，因此在现有的模型
工
适的模型压缩与优化策略，是十分重要的。优化框架中，
文档评论（0）