基于全局信息的卷积神经网络模型剪枝微调优化方法

孙文宇, 曹健^?, 李普, 刘瑞

北京大学软件与微电子学院, 北京 102600

收稿日期:2020-06-02修回日期:2020-07-08出版日期:2021-07-20

基金资助:国家自然科学基金(U20A20204)资助

Pruning and Fine-tuning Optimization Method of Convolutional Neural Network Based on Global Information

SUN Wenyu, CAO Jian^?, LI Pu, LIU Rui

School of Software and Microelectronics, Peking University, Beijing 102600

Received:2020-06-02Revised:2020-07-08Published:2021-07-20

PDF

(550KB)

可视化

0

复制本文网址

1. 探讨2016版国际胰瘘研究小组定义和分级系统对胰腺术后患者胰瘘分级的影响.PDF(500KB)

-->

摘要/Abstract

摘要： 为解决因卷积神经网络模型规模大, 模型剪枝方法引起的精度下降问题, 提出一种模型剪枝微调优化方法。该方法引入原卷积神经网络模型权重全局信息至剪枝后模型, 使原模型信息体现在剪枝后模型的权重上, 提升剪枝后模型的精度。在图像分类任务和目标检测任务中的实验结果表明, 所提出的微调优化方法可获得更大的压缩率和更小的模型精度损失。

引用本文

孙文宇, 曹健, 李普, 刘瑞. 基于全局信息的卷积神经网络模型剪枝微调优化方法[J]. 北京大学学报自然科学版, 2021, 57(4): 790-794.
SUN Wenyu, CAO Jian, LI Pu, LIU Rui. Pruning and Fine-tuning Optimization Method of Convolutional Neural Network Based on Global Information[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2021, 57(4): 790-794.





PDF全文下载地址:

http://xbna.pku.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3649