基于自相似矩阵的 CNN 滤波器剪枝
机器学习
2022-11-04 v1 计算机视觉与模式识别
摘要
近年来，大多数深度学习解决方案都旨在部署于移动设备。这使得开发轻量级模型的需求更加迫切。另一种方案是优化并剪枝常规深度学习模型。本文借助由二维 CNN 滤波器计算得到的自相似矩阵（SSM），解决 CNN 模型剪枝问题。我们提出两种新颖算法，用于对产生相似激活图输出的冗余滤波器进行排序与剪枝。我们方法的一个关键特点是，模型训练后无需微调，训练与剪枝过程同时完成。我们在两种最流行的 CNN 模型——ResNet 和 VGG 上对所提方法进行基准测试，并记录了它们在 CIFAR-10 数据集上的性能。
引用
@article{arxiv.2211.01814,
title = {Self Similarity Matrix based CNN Filter Pruning},
author = {S Rakshith and Jayesh Rajkumar Vachhani and Sourabh Vasant Gothe and Rishabh Khurana},
journal= {arXiv preprint arXiv:2211.01814},
year = {2022}
}
备注
Paper accepted in the 7th International Conference on Computer Vision & Image Processing (2022)