使用 Sparse Shrink 剪枝卷积神经网络
计算机视觉与模式识别
2017-08-09 v1
摘要
如今，将基于卷积神经网络（CNN）的模型适配以部署于嵌入式设备仍然困难。CNN 模型庞大的计算量和巨大的内存占用成为实际应用中的主要负担。在本文中，我们提出了一种“Sparse Shrink”算法来剪枝现有的 CNN 模型。通过稀疏重构分析每个通道的重要性，该算法能够相应地剪枝冗余的特征图。由此产生的剪枝模型从而直接节省了计算资源。我们在 CIFAR-100 上评估了我们的算法。实验表明，我们总共能减少 56.77% 的参数和 73.84% 的乘法运算，且准确率仅有微小下降。这些结果证明了我们“Sparse Shrink”算法的有效性。
引用
@article{arxiv.1708.02439,
title = {Prune the Convolutional Neural Networks with Sparse Shrink},
author = {Xin Li and Changsong Liu},
journal= {arXiv preprint arXiv:1708.02439},
year = {2017}
}