基于LZW编码的卷积神经网络压缩方法

• 作者: 刘勤让 刘崇阳
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 卷积神经网络 LZW编码 浮点转定点 模型剪枝 k-means聚类量化
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 188-193
• 页数: 6页
• 分类号: TP391
• 字数: 5380字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0052195

摘要

针对卷积神经网络(CNN)因参数量大难以移植到嵌入式平台的问题,提出基于LZW编码的CNN压缩方法.通过浮点转定点和剪枝2种方法来压缩模型容量.对权值进行k-means聚类量化,并在此基础上进行LZW编码.在MNIST数据集上进行实验,结果表明,剪枝效果优于浮点转定点的压缩效果,在进行剪枝、量化后使用LZW编码,其压缩比可达25.338.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘勤让		58	257	9.0	13.0
2	刘崇阳		5	12	1.0	3.0