利用核内规则剪枝的卷积神经网络高效硬件实现
计算机视觉与模式识别
2018-03-19 v1
摘要
日益加深的卷积神经网络(CNN)的近期趋势导致对计算能力和存储的需求增加。因此，CNN在硬件中的部署变得更具挑战性。在本文中，我们提出了一种核内规则(IKR)剪枝方案，通过在细粒度层面移除冗余权重来减小CNN的规模和计算复杂度。与细粒度剪枝等其他剪枝方法不同，IKR剪枝保持了可在硬件加速器中加以利用的规则核结构。实验结果表明，与未剪枝情况相比，该方法实现了高达10倍的参数减少和7倍的计算减少，而准确率的下降不到1%。
引用
@article{arxiv.1803.05909,
title = {Efficient Hardware Realization of Convolutional Neural Networks using Intra-Kernel Regular Pruning},
author = {Maurice Yang and Mahmoud Faraj and Assem Hussein and Vincent Gaudet},
journal= {arXiv preprint arXiv:1803.05909},
year = {2018}
}
备注
6 pages, 8 figures, ISMVL 2018