申请/专利权人:广东技术师范大学
申请日:2023-10-25
公开(公告)日:2024-03-22
公开(公告)号:CN117744737A
主分类号:G06N3/082
分类号:G06N3/082;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.09#实质审查的生效;2024.03.22#公开
摘要:本发明属于神经网络领域,涉及基于多层次知识蒸馏的逆序通道剪枝压缩方法、装置、计算机设备及存储介质,所述方法包括从神经网络模型深层向神经网络模型浅层逐层逆序遍历各层;利用强化学习,给出当前层的剪枝率;按照通道重要性方法,对各层的剪枝率进行计算并排序;选择需要修剪的通道,按照各层的剪枝率进行剪枝;剪枝完成后,使用多教师多层次知识蒸馏,对神经网络模型进行微调以恢复精度;将微调结果反馈给强化学习,并进一步指导剪枝。通过逆向剪枝,减少因正向剪枝带来的误差,使模型精度损失更小;通过多教师多层次知识蒸馏,将多个教师模型的中间特征知识和输出特征知识蒸馏到待微调网络中,最大程度上恢复损失的精度。
主权项:1.一种基于多层次知识蒸馏的逆序通道剪枝压缩方法,其特征在于,包括下述步骤:S1、从神经网络模型深层向神经网络模型浅层逐层逆序遍历各层;S2、利用强化学习,给出神经网络模型当前层的剪枝率;S3、按照通道重要性方法,计算当前层通道重要性并对所述当前层通道重要性进行排序;S4、根据当前层的剪枝率,选择相对不重要的通道进行剪枝操作;S5、剪枝完成后,使用多教师多层次知识蒸馏,对神经网络模型进行微调以恢复精度;S6、将微调结果反馈给强化学习,并进一步指导剪枝。
全文数据:
权利要求:
百度查询: 广东技术师范大学 基于多层次知识蒸馏的逆序通道剪枝压缩方法、装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。