面向卷积神经网络效率提升的块剪枝
计算机视觉与模式识别
2024-01-17 v2
摘要
本文提出了一种新的网络剪枝方法，旨在针对边缘计算环境下的深度神经网络进行块剪枝。我们的方法偏离了使用代理指标的传统技术，转而采用直接块移除策略来评估其对分类精度的影响。这种实践方法能够准确评估每个块的重要性。我们在 CIFAR-10、CIFAR-100 和 ImageNet 数据集上使用 ResNet 架构进行了大量实验。我们的结果证明了该方法的有效性，特别是在使用 ResNet50 的 ImageNet 等大规模数据集上，即使在剪枝网络很大一部分的情况下，它也在减小模型尺寸的同时保持了高精度。研究结果强调了我们的方法在保持模型尺寸和性能之间最佳平衡方面的能力，尤其是在资源受限的边缘计算场景中。
引用
@article{arxiv.2312.16904,
title = {Block Pruning for Enhanced Efficiency in Convolutional Neural Networks},
author = {Cheng-En Wu and Azadeh Davoodi and Yu Hen Hu},
journal= {arXiv preprint arXiv:2312.16904},
year = {2024}
}