神经网络压缩方法、装置、设备及可读存储介质
公开
摘要
本申请公开了神经网络压缩方法、装置、设备及可读存储介质，本申请获取待压缩的多层级深度学习神经网络及网络损失；确定与多层级深度学习神经网络对应的稀疏编码及稀疏权重，如此，可去除多层级深度学习神经网络中冗余参数及权重；确定稀疏编码损失及稀疏权重损失；将网络损失、稀疏编码损失及稀疏权重损失进行融合，得到压缩损失；利用压缩损失对多层级深度学习神经网络进行压缩，得到压缩后的多层级深度学习神经网络。可见，本申请可实现对该待压缩的多层级深度学习神经网络进行双重压缩，减少冗余参数，以降低神经网络的计算性能损耗。本申请对多层级深度学习神经网络的各层级进行稀疏编码及稀疏权重，可避免深度学习神经网络中的强串扰问题。
基本信息
专利标题 ：
神经网络压缩方法、装置、设备及可读存储介质
专利标题（英）：
暂无
公开（公告）号 ：
CN114611673A
申请号 ：
CN202210264300.5
公开（公告）日 ：
2022-06-10
申请日 ：
2022-03-17
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
陈武辉巫继强赵昊立郑子彬
申请人 ：
中山大学
申请人地址 ：
广东省广州市新港西路135号
代理机构 ：
北京集佳知识产权代理有限公司
代理人 ：
陈嘉雯
优先权 ：
CN202210264300.5
主分类号 ：
G06N3/04
IPC分类号 ：
G06N3/04 G06N3/08
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
G06N3/04
体系结构，例如，互连拓扑
法律状态
2022-06-10 ：
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
