关键词structured network pruning
搜索结果 - 2
- 增强线性表示冗余下的卷积神经网络滤波器剪枝
提出了一种新的结构修剪方法,在训练期间利用 CCM-loss 来促使神经网络学习强大的线性表示关系,然后设计了一种基于主成分分析的匹配通道选择策略来最大限度地利用 CCM-loss 的潜在能力,达到更高的剪枝率和减少计算量。
- 通过测量滤波器之间的相互作用来进行结构化网络剪枝
提出了一种新的结构化网络修剪方法 SNPFI,该方法通过衡量滤波器的重要性和利用强度来减少冗余滤波器,并将滤波器间的相互作用纳入重要性度量中,实现减少计算成本并恢复性能的效果,并在各种图像分类数据集上成功验证了该方法的有效性。