基于梯度的深度网络剪枝算法

CORC > 沈阳自动化研究所 > 中国科学院沈阳自动化研究所 > 工业控制网络与系统研究室

	基于梯度的深度网络剪枝算法
	蔡颖凯 1; 王忠锋3,4,5 ; 徐志远 2,3,4,5; 宋纯贺 3,4,5; 张宏宇 1
刊名	计算机应用
	2020
页码	1-10
关键词	深度网络压缩与加速剪枝自适应阈值神经网络
ISSN号	1001-9081
其他题名	Gradient-based deep network pruning algorithm
产权排序	1
英文摘要	深度神经网络模型通常存在大量冗余的权重参数,当计算深度网络模型时需要占用大量的计算资源和存储空间,导致其难以部署在一些边缘设备和嵌入式设备上。针对这一问题,提出了一种基于梯度的深度网络剪枝算法——GDP算法(Gradient-based Deep network Pruning)。GDP算法核心思想是以梯度作为评判权值重要性的依据。然后通过自适应的方法找出阈值进行权值参数的筛选,目的是剔除那些小于阈值的梯度所对应的权值。最后,重新训练剪枝后的深度网络模型恢复精度。实验结果表明:在CIFAR-10数据集上,GDP算法在精度仅下降0.14个百分点的情况下,计算量减少了35.3个百分点;与当前流行的PFEC算法相比,GDP算法使网络模型精度提高0.13个百分点,计算量下降1.1个百分点,具有更优越的深度网络压缩与加速性能。
语种	中文
内容类型	期刊论文
源URL	[http://ir.sia.cn/handle/173321/25788]
专题	沈阳自动化研究所_工业控制网络与系统研究室
作者单位	1.国网辽宁省电力有限公司 2.中国科学院大学 3.中国科学院机器人与智能制造创新研究院 4.中国科学院网络化控制系统重点实验室 5.中国科学院沈阳自动化研究所机器人学国家重点实验室
推荐引用方式 GB/T 7714	蔡颖凯,王忠锋,徐志远,等. 基于梯度的深度网络剪枝算法[J]. 计算机应用,2020:1-10.
APA	蔡颖凯,王忠锋,徐志远,宋纯贺,&张宏宇.(2020).基于梯度的深度网络剪枝算法.计算机应用,1-10.
MLA	蔡颖凯,et al."基于梯度的深度网络剪枝算法".计算机应用 (2020):1-10.