卷积神经网络压缩的降存储直接张量环分解
计算机视觉与模式识别
2024-08-06 v2 机器学习
摘要
卷积神经网络（CNNs）是计算机视觉任务中最广泛使用的数据学习模型之一，如图像分类。为提高CNNs的效率，人们发展了许多CNNs压缩方法。低秩方法通过一系列较小的卷积核来近似原始卷积核，这导致存储和时间复杂度的降低。本研究提出了一种基于降低存储直接张量环分解（Reduced storage direct tensor ring decomposition, RSDTR）的新型低秩CNNs压缩方法。该方法提供了更高的循环模式置换灵活性，具有较大的参数和FLOPS压缩率，同时保持良好的分类精度。在CIFAR-10和ImageNet数据集上的实验清晰地表明了RSDTR相对于其他最先进CNNs压缩方法的有效性。
引用
@article{arxiv.2405.10802,
title = {Reduced storage direct tensor ring decomposition for convolutional neural networks compression},
author = {Mateusz Gabor and Rafał Zdunek},
journal= {arXiv preprint arXiv:2405.10802},
year = {2024}
}