龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：清华大学
摘要：本申请公开了一种基于超图模型谱聚类的卷积神经网络卷积核剪枝方法、系统、电子设备及存储介质，方法包括：提取目标卷积神经网络的当前卷积层的卷积核集合，并基于该集合生成卷积核特征集合；根据特征集合，构建超图模型，获得超图关联矩阵；根据超图谱聚类算法和预设剪枝率，进行卷积核特征聚类并生成聚类生成卷积核聚类结果；基于卷积核聚类结果对进行剪枝，生成卷积神经网络并进行训练，直至满足目标网络性能；将下一卷积层作为当前卷积层，继续剪枝，直至所有卷积层均完成剪枝，由此，实现了对经典卷积神经网络模型的轻量化，在高剪枝率的前提下，保证了剪枝后的轻量化模型性能维持在原来的水平，并极大地加速了神经网络模型的推断速率。
主权项：1.一种基于超图模型谱聚类的卷积神经网络卷积核剪枝方法，其特征在于，包括以下步骤：提取目标卷积神经网络的当前卷积层的卷积核集合，并基于所述卷积核集合中卷积核特征生成卷积核特征集合；利用所述卷积核特征集合构建超图模型，并确定超图关联矩阵；基于所述超图模型、所述超图关联矩阵和预设剪枝率进行卷积核特征聚类，生成卷积核聚类结果；基于所述卷积核聚类结果对所述当前卷积层进行剪枝，生成卷积神经网络，并训练所述卷积神经网络，直至满足目标网络性能；将下一卷积层作为所述当前卷积层，继续剪枝，直至所有卷积层均完成剪枝，获取所述卷积神经网络的最终卷积核剪枝结果。
全文数据：
权利要求：
百度查询： 清华大学 基于超图模型谱聚类的卷积神经网络卷积核剪枝方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号