基于强化学习Actor-Critic结构的自动深度压缩
机器学习
2018-07-10 v1 人工智能
机器学习
摘要
基于模型的压缩是一种有效、便利且可扩展的神经网络模型压缩方式，适用于计算和功耗受限的场景。然而，传统的压缩技术利用手工设计的特征[2,3,12]，并在尺寸、速度和精度方面探索专门领域以进行大空间搜索与设计，通常收益较小且耗时。本文有效分析了深度自动压缩（ADC）与强化学习在有效采样与空间设计中的优势，并提升了模型的压缩质量。先进模型的压缩结果以完全自动化方式取得，无需任何人工干预。在FLOP减少4倍的情况下，其在ImageNet上针对VGG-16的精度比人工压缩模型高出2.8%。
引用
@article{arxiv.1807.02886,
title = {Auto Deep Compression by Reinforcement Learning Based Actor-Critic Structure},
author = {Hamed Hakkak},
journal= {arXiv preprint arXiv:1807.02886},
year = {2018}
}