面向深度神经网络的模型压缩与加速研究.pdfVIP

面向深度神经网络的模型压缩与加速研究.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

摘要

随着卷积神经网络的发展，网络的层数不断增加，参数量与计算量成倍增长，对硬件

的存储资源和计算资源要求越来越高，也对神经网络在工业界嵌入式设备、移动端设备和

其他资源受限的平台上部署应用带来了诸多困难。因而催生了模型压缩算法，对现有网络

的参数进行压缩，从而减少运算次数，提高推理速度。但是目前的模型压缩算法发展还存

在着严重破坏网络原有精度、压缩倍数不理想、可选择压缩方式单一等缺陷，针对这些问

题，本论文提出了基于注意力机制的网络剪枝算法和知识蒸馏算法，可在压缩模型的同时

保持原有的高精

该用户很懒，什么也没介绍

咨询Ta 进入空间

更多 >