本人在学习深度压缩方面的知识,刚开始多久,自己建了一个QQ群希望能和大家一起讨论学习深度压缩加速的知识。
QQ群:621888628
1.本文的贡献:
使用SQUEEZENET改进的Fire Module即(ResSquVGG16)来压缩VGG16模型,在MIT Places365标准场景数据集上训练。在精度变化不大的情况下将训练时间减少了23.86%,模型大小缩小了88.4%。
2.方法
设计原则:
(1)3x3的卷积核替换为1x1的卷积核
从12年的AlexNet模型到15年ResNet模型,卷积核大小基本上都选择在3x3了,因为其有效性,以及设计简洁性。替换3x3的卷积kernel为1x1的卷积kernel可以让参数缩小9倍。但为了不影响识别精度,并不是全部替换,而是一部分用3x3,一部分用1x1。