使用遗传算法对 CNN 进行多目标剪枝
神经与进化计算
2019-07-05 v2 机器学习
摘要
本文中,我们提出一种启发式遗传算法(GA),用于依据误差、计算量与稀疏性之间的多目标权衡对卷积神经网络(CNNs)进行剪枝。在实验中,我们将该方法应用于在 MNIST 数据集上剪枝预训练的 LeNet,在分别侧重稀疏性与计算量时,其减少了 95.42% 的参数规模,并实现了卷积层计算 16 的加速,且精度损失极小。我们的实证研究表明,GA 是一种获得有竞争力压缩性能的替代剪枝方法。此外,相较于 SOTA 方法,GA 能够通过预定义的适应度函数基于多目标重要性自动剪枝 CNNs。
引用
@article{arxiv.1906.00399,
title = {Multi-Objective Pruning for CNNs Using Genetic Algorithm},
author = {Chuanguang Yang and Zhulin An and Chao Li and Boyu Diao and Yongjun Xu},
journal= {arXiv preprint arXiv:1906.00399},
year = {2019}
}
备注
6 pages,3 figures,Accepted as a conference paper at ICANN 2019