- 博客(2)
- 收藏
- 关注
RSS订阅原创 EagleEye：一种用模型剪枝的快速衡量子网络性能的方法
本文首发于PandaCV公众号。 导语：模型剪枝算法核心在于找到“不重要”的参数并且实现裁剪。为寻找到较优的剪枝策略，我们往往需要尝试多种剪枝策略和剪枝策略性能评估。通常剪枝策略评估方法是将剪枝后的模型训练到收敛或者训练规定好数量epoch后进行性能比较。不管是人工调试剪枝策略还是自动搜索剪枝策略，都需要多次评估剪枝策略。剪枝策略的评估效率一定程度上影响了整体压缩效率。因此，本文提出了一种能够快速衡量剪枝后模型性能的方法，经实验能够对MobilenetV1减少50%的FLOPs情况下，仍能保证在Image
2021-04-27 00:09:16
615
原创 一文带你了解NeurlPS2020的模型剪枝研究
一文带你了解NerulPS2020的模型剪枝研究前置知识正文总结 本篇文章主要对NeurlPS 2020会议中模型剪枝工作进行简单的介绍和总结，希望能够对想了解模型剪枝最新工作的朋友有所帮助。 前置知识 为了大家更好理解nips2020的最新剪枝工作，这里先介绍一下其中涉及的基础知识。如果您对模型剪枝比较熟悉，可以直接跳过本部分。 核心思想：剔除模型中“不重要”的权重，使模型减少参数量和计算量，同时尽量保证模型的性能不受影响。 接下来我将从几个角度切入，对不同的剪枝方法进行分类和特点总结，方便读者尽快理
2020-12-20 01:25:11
1938
7
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人