Indexed by：
Abstract：
本发明公开了一种通用的卷积神经网络无损压缩与加速方法，卷积神经网络模型经过无损压缩器优化，以实现模型在嵌入式设备或移动设备上的部署问题。该无损压缩器由结构化剪枝器与模型重塑器进行级联构成。结构化剪枝器用于实现模型结构上的精简优化，通过某些结构化剪枝方法实现对模型参数、FLOPs、模型储存空间的结构化极大压缩；模型重塑器则是对结构化剪枝器精简优化后的模型根据模型特点进行一定程度上的模型重塑，重塑的时，在已优化的模型上尽可能引入更少的结构注入到优化模型中，保证优化后的模型有较少的计算力、参数量的增加，但却性能够上有明显的提升，从而实现模型性能的明显恢复。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明申请
Patent No.： CN202110292295.4
Filing Date： 2021-03-18
Publication Date： 2021-07-06
Pub. No.： CN113077044A
Applicants： 北京工业大学
Legal Status： 实质审查
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
