卷积神经网络的压缩研究

• 作者: 姜懿家
• 来源期刊: 电子制作
• 关键词: 深度学习 卷积神经网络 压缩
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 实验研究
• 页码范围: 22-23,36
• 页数: 3页
• 字数: 2437字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-5059.2019.02.009

摘要

尽管卷积神经网络(CNN)在计算机视觉、语音识别等领域取得了惊人的成绩,但过高的存储代价以及计算复杂度,严重制约了深度学习在嵌入式移动设备上的部署.因此,卷积神经网络的压缩和加速就变得尤为重要,当前常见的压缩方法有低秩近似、参数量化、剪枝与稀疏约束、二值网络等.本文详细介绍卷积神经网络的几种压缩方法并评估当前方法的特点与未来发展趋势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜懿家		1	2	1.0	1.0