挤压网

挤压网:AlexNet级精度,参数减少50倍,型号尺寸<0.5MB。最近对深层神经网络的研究主要集中在提高精度上。对于给定的精度级别,通常可以识别多个达到该精度级别的DNN体系结构。在同等精度的情况下,较小的DNN体系结构至少有三个优点:(1)较小的DNN在分布式训练中需要较少的跨服务器通信。(2) 较小的dnn需要较少的带宽将新模型从云端导出到自主汽车上。(3) 较小的dnn更适合部署在fpga和其他内存有限的硬件上。为了提供所有这些优点,我们提出了一种称为挤压网的小型DNN体系结构。SqueezeNet在ImageNet上实现了AlexNet级别的精度,参数减少了50倍。此外,使用模型压缩技术,我们可以将SqueezeNet压缩到小于0.5MB(比AlexNet小510x)。SqueezeNet架构可从以下网址下载:https://github.com/DeepScale/squezenet


zbMATH中的参考文献(参考文献20条)

显示第1到第20个结果,共20个。
按年份排序(引用)

  1. 贝加尔,岑克;利本温,卢卡斯;吉利琴斯基,伊戈尔;费尔德曼,丹;Rus,Daniela:神经网络的灵敏度信息可证明剪枝(2022)
  2. 贝尔纳多,卢卡斯·萨尔瓦多;达马舍维奇,罗伯塔斯;阿尔伯克基,维克托·雨果C。;Maskeliūnas,Rytis:基于手写螺旋模式的帕金森病检测的混合两阶段挤压网和支持向量机系统(2021)
  3. 范建清;马聪;钟一桥:深度学习综述(2021)
  4. 黄俊浩;孙伟泽;黄磊:多目标稀疏神经网络的联合结构与参数优化(2021)
  5. 刘春雷;丁文瑞;胡、元;张宝昌;刘建庄;郭国栋;David Doermann:带生成对抗性学习的修正二元卷积网络(2021)
  6. 厄兹坎、哈坎;埃米洛卢,比伦·葛塞尔;萨班科卢、哈坎;厄兹多安,塞尔çuk;索耶,艾哈迈特;Saygı,Tahsin:使用深卷积神经网络进行胶质瘤分类的比较研究(2021)
  7. 彭建忠;朱伟;梁乔康;李正伟;陆茂英;孙伟;王耀南:基于BBE的复杂背景下代码字符缺陷检测(2021)
  8. 张旭;黄、卫;高静;王大鹏;白、长川;陈志奎:远程智能舌诊断的深度稀疏转移学习(2021)
  9. 砰,杜贤;康,宋元;Shim,Hyunjung:利用GANs的鉴别器基于特征的推理(2020)
  10. Fan Mo、Ali Shahin Shamsabadi、Kleomenis Katevas、Soteris Demetriou、Ilias Leoniadis、Andrea Cavallaro、Hamed Haddadi:DarkneTZ:使用可信执行环境在边缘建立隐私模型(2020)阿尔十四
  11. Ju,Caleb;Solomonik,Edgar:卷积快速双线性算法的推导和分析(2020)
  12. 刘,李;欧阳、万里;王晓刚;菲格斯,保罗;陈杰;刘新旺;Pietikäinen,Matti:通用对象检测的深度学习:调查(2020)
  13. 太阳,雷米;Lampert,Christoph H.:KS(conf):如果一个多类分类器在其规范之外运行,则进行轻量测试(2020年)
  14. 郑清河;田新宇;杨明强;吴玉林;苏华科:基于PAC-Bayesian框架的二维区分卷积网络剪枝的下降路径方法(2020)
  15. 德劳西,托马索;东泽,亚历山德拉;Seshia,Sanjit A.:具有机器学习组件的网络物理系统的合成伪造(2019)
  16. 周开阳,陶翔:火炬:Pythorch深度学习者再识别图书馆(2019)阿尔十四
  17. 秋瑾,伊万玉。;戈班,亚历山大N。;格林,斯蒂芬;普罗霍罗夫,丹尼尔:快速构建传统人工智能系统的校正组合:算法和案例研究(2019)
  18. Andrew G.Howard,Menglong Zhu,Bo Chen,Dmitry Kalenichenko,Weijun Wang,Tobias Weyand,Marco Andreetto,Hartwig Adam:移动视觉应用的高效卷积神经网络(2017)阿尔十四
  19. 拉瓦特,瓦西姆;王增辉:用于图像分类的深度卷积神经网络:综述(2017)
  20. 张向宇,周新宇,林梦晓,孙健:ShuffleNet:一种用于移动设备的高效卷积神经网络(2017)阿尔十四