文档名：深度神经网络压缩和加速方法综述
深度神经网络模型因为性能优异,最近几年已经被广泛应用于图像识别、语音识别、自然语言处理及其他人工智能子领域,在某些领域其性能甚至超过人类水平.但是,由于深度网络参数众多,导致其具有占用空间大和运行速度慢等缺点,因此深度网络在硬件受限的终端设备上的存储和运算仍是一个很大的挑战.已经有研究表明深度网络中存在冗余,即可以删减部分参数的同时保持网络的性能不损失,基于这个事实研究人员提出了很多深度网络的压缩和加速方法,本综述从剪枝,权值共享,权值矩阵分解等三个方面对这些方法做了归纳总结.
作者：姜春晖钱超
作者单位：中国科学技术大学计算机学院
母体文献：智能时代的创新、融合与发展——2018全国博士后学术交流会论文集
会议名称：智能时代的创新、融合与发展——2018全国博士后学术交流会
会议时间：2018年9月15日
会议地点：北京
主办单位：中国博士后科学基金会,全国博士后管理委员会办公室
语种：chi
分类号：TS4TP2
关键词：深度神经网络 剪枝策略 权值共享 权值矩阵分解
在线出版日期：2021年12月15日
基金项目：
相似文献
相关博文
- 文件大小:
- 1.36 MB
- 下载次数:
- 60
-
高速下载
|
|
