![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度网络推理加速
ss_thbcr
这个作者很懒,什么都没留下…
展开
-
深度网络推理加速(Towards Lightweight Convolutional Neural Networks for Object Detection)
摘要:本文研究目标是少类别实时目标检测,研究了在保留较高检测率的前提下最大程度的减小模型大小,最终实现了在CPU上的实时检测。本文的推理加速机制和量化压缩等方法是可以并行的。1, 通过增大feature map的尺寸,减小通道数可以得到准确率且快的检测模型,这么做的依据是对于实际的很少类别的目标检测问题,用于解决多类别分类问题的网络中很多通道是冗余的。2, 通过在大的预训练模型上简单的原创 2018-01-09 13:56:31 · 2536 阅读 · 0 评论 -
深度网络推理加速(Learning both Weights and Connections for Efficient Neural Networks)
摘要针对卷积神经网络的结构在训练之前就已经被固定下来,因而训练过程无法优化网络结构,本文提出了一种三步法在保留网络能力的前提下进行剪枝。首先,让网络在训练中学习到哪些连接是重要的;其次,对不重要的连接进行剪枝;最后,在剪枝后的网路欧上进行微调。用该方法对ImageNet数据的AlexNet和VGG-16网络进行优化,分别将模型减小了十倍左右,而没有损失精度。下图是在45nm工艺的CMOS芯原创 2018-01-09 14:11:04 · 653 阅读 · 0 评论