申请号：CN202110838976.6

申请人：人工智能与数字经济广东省实验室(广州) | 西安电子科技大学广州研究院

专利权人：人工智能与数字经济广东省实验室(广州) | 西安电子科技大学广州研究院

申请日：2021-07-23

授权日：2023-11-21

专利类型：发明

法律状态：授权

发明人：谢雪梅 | 石光明 | 杨建朋 | 汪振宇

摘要：本发明公开了一种高效的深度卷积神经网络剪枝方法，主要解决现有深度卷积神经网络对存储资源和计算资源消耗大的问题，其实现方案是：通过基于ADMM算法的稀疏学习方法优化缩放因子，对深度卷积神经网络进行训练，使网络结构稀疏化；利用遗传算法对训练好的深度卷积神经网络各层所适宜的裁剪率进行搜索，并在适应度函数的引导下自动搜索出符合需求的最佳裁剪率；使用最佳裁剪率对稀疏学习训练后的网络各层进行裁剪，得到效率最佳的卷积神经网络。本发明可大大降低剪枝后卷积神经网络的精度损失，通过减少网络的参数量大大减少了卷积神经网络对存储资源和计算资源消耗，可用于深度卷积神经网络的压缩。

摘要附图：