申请/专利权人：中国科学院上海微系统与信息技术研究所

申请日：2020-09-14

公开（公告）日：2024-04-16

公开（公告）号：CN112101547B

主分类号：G06N3/082

分类号：G06N3/082;G06N3/0464;G06N3/0495;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2021.01.05#实质审查的生效;2020.12.18#公开

摘要：本申请实施例所公开的一种对网络模型的剪枝方法、装置、电子设备及存储介质，包括获取训练图像集和当前网络模型，将训练图像输入当前网络模型中，根据当前网络模型的输出确定多个卷积层中每个卷积层对应的参数，基于每个卷积层对应的预设剪枝率，对每个卷积层对应的参数进行衰减处理，得到衰减参数，若衰减参数与预设阈值的差值在预设区间内，剔除卷积层中与衰减参数对应的参数，得到剪枝后的网络模型。基于本申请实施例，通过对卷积层对应参数进行衰减处理，迫使待剔除参数的卷积层对应的参数学习的知识转移，在减少参数量的同时，不增加训练负担，并且可以保证网络模型的识别准确率。

主权项：1.一种对网络模型的剪枝方法，其特征在于，包括：获取训练图像集和当前网络模型；所述当前网络模型包含多个卷积层；基于所述训练图像集对所述当前网络模型进行剪枝处理，得到剪枝后的网络模型；其中，所述剪枝处理的步骤包括：将所述训练图像集输入所述当前网络模型中，根据所述当前网络模型的输出确定所述多个卷积层中每个卷积层输出的特征图集；确定所述每个卷积层输出的特征图集对应的参数；根据预设映射关系和所述每个卷积层输出的特征图集对应的参数，确定所述每个卷积层对应的参数；基于所述每个卷积层对应的预设剪枝率，从所述每个卷积层输出的特征图集中确定目标特征图集；所述目标特征图集的通道数与所述特征图集的通道数的比值为所述预设剪枝率；确定所述目标特征图集对应的参数；基于预设系数对所述目标特征图集对应的参数进行衰减处理，得到过渡参数；根据所述预设映射关系和所述过渡参数，确定所述每个卷积层对应的衰减参数；若所述衰减参数与预设阈值的差值在预设区间内，剔除所述卷积层中与所述衰减参数对应的参数，得到剪枝后的网络模型。

全文数据：

权利要求：

百度查询： 中国科学院上海微系统与信息技术研究所 一种对网络模型的剪枝方法、装置、电子设备及存储介质

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD