模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2022, Vol. 35 Issue (1): 62-70    DOI: 10.16451/j.cnki.issn1003-6059.202201006
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于自动修补策略的网络剪枝
苏启航1,2, 钱烨强3, 袁伟3, 杨明1,2, 王春香1,2
1.上海交通大学 自动化系 上海 200240;
2.上海交通大学 系统控制与信息处理教育部重点实验室 上海 200240;
3.上海交通大学 密西根学院 上海 200240
Network Pruning via Automatic Mending Strategy
SU Qihang1,2, QIAN Yeqiang3, YUAN Wei3, YANG Ming1,2, WANG Chunxiang1,2
1. Department of Automation, Shanghai Jiao Tong University, Shanghai 200240;
2. Key Laboratory of System Control and Information Processing, Ministry of Education, Shanghai Jiao Tong University, Shanghai 200240;
3. UM-SJTU Joint Institute, Shanghai Jiao Tong University, Shanghai 200240

全文: PDF (947 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 为有效缓解深度神经网络因其庞大的计算资源消耗而产生的实际应用受限的问题,研究人员设计包括剪枝在内的多种压缩策略.基于贪心思想的网络剪枝算法大都包含训练、剪枝、微调三部分,无法求得最优的剪枝结构.因此,文中结合人工规则和自动搜索方法,提出基于自动修补策略的网络剪枝.整体剪枝流程包括训练、预剪枝、修补和微调四个阶段,增加的修补阶段可调整预剪枝模型的结构.具体方法是使用神经架构搜索实现修补操作,设计搜索空间和搜索策略,并基于预剪枝阶段的卷积核排序加速评估过程.实验表明文中方法在剪枝率较高时仍能保持网络的准确率.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
苏启航
钱烨强
袁伟
杨明
王春香
关键词 深度神经网络网络剪枝神经架构搜索网络修补    
Abstract:To alleviate the problem of the application of deep neural network being restricted owing to the massive computation resources, many network compression strategies including network pruning are put forward. Most of the network pruning methods based on greedy algorithm include training, pruning and fine-tuning, and therefore the optimal pruned structure cannot be obtained. In this paper, combining the rule-based method and the automatic search method, a network pruning method via automatic mending strategy is proposed. The whole pruning process is comprised of four stages: training, pre-pruning, mending and fine-tuning. The structure of the pre-pruned model is improved in the additional mending stage. Particularly, the neural architecture search is utilized to implement network mending. The search space and an efficient search strategy are designed. The estimation process is accelerated based on the filter ranking of the pre-pruning stage. Experiments show that the proposed method can guarantee the network accuracy in the case of high pruning rate.
Key wordsDeep Neural Network    Network Pruning    Neural Architecture Search    Network Mending   
收稿日期: 2021-06-28     
基金资助:国家自然科学基金项目(No.U1764264,62103261)资助
通讯作者: 王春香,博士,副教授,主要研究方向为移动机器人、自动驾驶、高级辅助驾驶.E-mail:wangcx@sjtu.edu.cn.   
作者简介: 苏启航,硕士研究生,主要研究方向为计算机视觉、网络压缩.E-mail:sqh87898160@sjtu.edu.cn.
钱烨强,博士,主要研究方向为计算机视觉、模式识别、机器学习及智能交通中的应用.E-mail:qianyeqiang@sjtu.edu.cn.
袁 伟,博士,主要研究方向为自动驾驶系统、计算机视觉、深度学习、车辆控制.E-mail:weiy1991@sjtu.edu.cn.
杨 明,博士,教授,主要研究方向为低速无人驾驶中定位与导航技术.E-mail:MingYang@sjtu.edu.cn.
引用本文:   
苏启航, 钱烨强, 袁伟, 杨明, 王春香. 基于自动修补策略的网络剪枝[J]. 模式识别与人工智能, 2022, 35(1): 62-70. SU Qihang, QIAN Yeqiang, YUAN Wei, YANG Ming, WANG Chunxiang. Network Pruning via Automatic Mending Strategy. Pattern Recognition and Artificial Intelligence, 2022, 35(1): 62-70.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202201006      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2022/V35/I1/62
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn