摘要
在物联网应用中,各深度学习模型对数据采集、处理和传输的效率将直接影响物联网设备的应用性能。为了提高效率,本文提出一种针对卷积神经网络模型剪枝方法,以减少模型复杂度,降低计算和存储需求,同时保持模型较高的识别精度。采用一种基于全局重要性剪枝的策略,通过对整个网络进行重要性评估,去除一些对输出结果影响较小的参数和神经元。同时,为了保持模型的识别精度,在剪枝后对模型进行重新训练,以降低剪枝对模型精度的影响。通过与其他未剪枝模型性能对比,验证剪枝技术对模型准确率的影响具有可控性。
基金
广东省教育厅2021年度普通高校重点科研平台项目“物联网应用技术创新团队”(项目编号:2021KCXTD074)。
