深度神经网络模型压缩方法与进展OA北大核心CSCDCSTPCD
Methods and progress in deep neural network model compression
深度神经网络(Deep Neural Network,DNN)模型通过巨大的内存消耗和高计算量来实现强大的性能,难以部署在有限资源的硬件平台上.通过模型压缩来降低内存成本和加速计算已成为热点问题,近年来已有大量的这方面的研究工作.主要介绍了4种具有代表性的深度神经网络压缩方法,即网络剪枝、量化、知识蒸馏和紧凑神经网络设计;着重介绍了近年来具有代表性的压缩模型方法及其特点;最后,总结了模型压缩的相关评价标准和研究前景.
赖叶静;郝珊锋;黄定江
华东师范大学数据科学与工程学院,上海200062华东师范大学数据科学与工程学院,上海200062华东师范大学数据科学与工程学院,上海200062
信息技术与安全科学
深度神经网络压缩网络剪枝量化知识蒸馏紧凑神经网络
《华东师范大学学报（自然科学版）》 2020 (5)
对称分类、整体群表示和不变参数化格式研究
68-82,15
国家自然科学基金(11501204,U1711262)
评论