论文部分内容阅读
为解决神经网络中参数量冗余,计算量庞大的问题,模型压缩领域正在逐渐兴起,剪枝是其中的一条重要分支。为在初始化阶段得到精简化的网络结构,提出一种基于连接敏感度的卷积层结构剪枝方法。将层中滤波器参数梯度的l_1范数作为连接敏感度衡量标准,同时考虑层间结构关系,实现全局一次剪枝。以数据集CIFAR10和ImageNet300为基准,采用VGG和ResNet系列网络进行测试训练。结果显示,该方法简单、易操作、可去除ResNet110网络中50%以上的计算量及参数,而模型分类的准确度基本不变。