关键词fully-connected layers
搜索结果 - 4
- 全连接层在低数据域中的异常有效性
本文提出了一种简单而有效的框架,将现代卷积神经网络 (CNNs) 与全连接 (FC) 层相结合,展示了这种架构变化在小数据区间的巨大影响。另外,还提出了一种在线联合知识蒸馏方法,以利用额外的 FC 层来提高 CNN 模型的泛化能力,并在测试 - NIPS终极张量化:压缩卷积层和全连接层
本文提出了一种基于张量分解的卷积层参数压缩方法,并将其与之前提出的压缩全连接层的方法结合,成功实现了在 CIFAR-10 数据集上 80 倍的网络压缩和 1.1% 的精度损失。
- 张量化神经网络
本论文研究了如何使用 Tensor Train 格式转换全连接层的矩阵从而减少深度神经网络的参数数量和计算量,试验结论表明该方法可以将全连接层的参数压缩两百万倍,对整个网络的压缩比可达 7 倍。
- 使用克罗内克积压缩神经网络的全连接层
本文介绍了一种使用 Kronecker 积在神经网络的全连接层中减少参数和计算时间的技术,该技术将全连接层替换为 Kronecker 全连接层,能够在需要较小的预测质量折衷的情况下使参数总数减少 73%。