深度卷积神经网络压缩方法、计算机装置及存储介质
实质审查的生效
摘要
本发明公开了一种深度卷积神经网络压缩方法、计算机装置及存储介质，使用变分贝叶斯矩阵分解算法依次估计每一个卷积过程中的分解秩；根据卷积过程中产生的核权重张量和对应的分解秩，通过Tucker分解依次分解每一个核权重张量，产生多个核心张量和多组因子矩阵；在两个相邻的卷积操作之间共享因子矩阵，保留各自独立的子张量，以此来实现对深度卷积神经网络模型的进一步压缩。本发明进一步提高了深度卷积神经网络的压缩率，有效减少了参数数量和计算时间，并能够选择性地用于特定层以实现有针对性的和更深的压缩。
基本信息
专利标题 ：
深度卷积神经网络压缩方法、计算机装置及存储介质
专利标题（英）：
暂无
公开（公告）号 ：
CN114492795A
申请号 ：
CN202210115990.8
公开（公告）日 ：
2022-05-13
申请日 ：
2022-01-28
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
谢鲲赵一博刘灿张大方文吉刚李肯立
申请人 ：
湖南大学
申请人地址 ：
湖南省长沙市岳麓区麓山南路28号
代理机构 ：
长沙正奇专利事务所有限责任公司
代理人 ：
王娟
优先权 ：
CN202210115990.8
主分类号 ：
G06N3/08
IPC分类号 ：
G06N3/08 G06N3/04
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06N
基于特定计算模型的计算机系统
G06N3/00
基于生物学模型的计算机系统
G06N3/02
采用神经网络模型
G06N3/08
学习方法
法律状态
2022-05-31 ：
实质审查的生效
IPC(主分类) : G06N 3/08
申请日 : 20220128
申请日 : 20220128
2022-05-13 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
