基于稀疏约束再训练的神经网络剪枝方法及装置
公开
摘要
本发明涉及一种基于稀疏约束再训练的神经网络剪枝方法及装置，所述方法包括获取训练集；构建神经网络，将所述神经网络中每个批归一化层中的gamma参数进行L1‑norm约束处理，然后对神经网络进行训练；将所述除每个阶段最后的一个卷积层外所有的卷积层后的批归一化层的gamma参数和每个阶段最后一个卷积层后的批归一化层的gamma参数进行合并，并将合并后的gamma参数升序排列；获取剪枝阈值，根据所述剪枝阈值和gamma参数确定剪枝后的gamma参数所在归一化层的通道数量，输出剪枝网络。本发明不需要重新开始对一个新网络进行增加约束的训练，只需要用约束条件对已有的网络进行微调少数轮次，相比不进行剪枝或者全局剪枝后再单独剪枝，更加快速及合理。
基本信息
专利标题 ：
基于稀疏约束再训练的神经网络剪枝方法及装置
专利标题（英）：
暂无
公开（公告）号 ：
CN114626527A
申请号 ：
CN202210299661.3
公开（公告）日 ：
2022-06-14
申请日 ：
2022-03-25
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
张招亮郭宏马万里朱俊芳唐文杰
申请人 ：
中国电子产业工程有限公司
申请人地址 ：
北京市海淀区中关村南大街6号
代理机构 ：
北京细软智谷知识产权代理有限责任公司
代理人 ：
刘晓丹
优先权 ：
CN202210299661.3
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
2022-06-14 ：
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
