HI,欢迎来到学术之家,学术咨询:400-888-7501 订阅咨询:400-888-7502 股权代码 102064

通过K-means算法实现神经网络的加速和压缩

作者:陈桂林; 马胜; 郭阳; 李艺煌; 徐睿神经网络置信区间加速聚类压缩

摘要:近年来,以神经网络为代表的机器学习领域快速发展,已广泛地应用于语音识别和图像识别等各个工业领域。随着应用环境越来越复杂,精度要求越来越高,网络规模也越来越大。大规模神经网络既是计算密集型又是存储密集型结构,其中卷积层是计算密集型层次,全连接层是存储密集型层次。前者的处理速度跟不上存取速度,后者的存取速度跟不上处理速度。基于神经网络本身训练的预测准确率置信区间,提出了一种使用K-means加速和压缩神经网络的方法。通过将卷积过程中的输入特征图采用K-means压缩来减少计算量;通过将全连接层的权重压缩来减少存储量。所提方法对AlexNet网络单个卷积层的计算量最多能降低2个数量级,加入合适的K-means层,整个网络的处理时间加速比能达到2.077,对网络压缩率达到8.7%。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

计算机工程与科学

《植物保护学报》是中国科协主管、中国植物保护学会和中国农业大学共同主办的综合性学术期刊,为国家科技核心期刊、中文核心期刊。本刊创刊于1962年,多年来,本刊严格执行国家有关新闻出版方面的政策法规,重视编辑出版方面国家标准和国际标准的实施,并注意加强与国内外的信息交流,在国内外颇具影响。目前《植物保护学报》已被美国化学文摘CA、英国国际农业与生物科学技术文摘CABI、美国农业文献索引AGRICOLA、国际农业文献索引AGRIS、英国动物学记录ZR、日本科学技术振兴机构中国文献数据库等国际主流数据库收录,并被国内多家权威...

杂志详情

相关期刊
×

说明:关注微信公众号,免费领取下载码。

 

发送任意关键词,比如“下载”,即可下载该篇文章。

PDF文件建议使用adobe或Office打开

作品认领

本站文章皆为用户上传,可能会出现作者遗漏,为促进学术资源开放获取,作者完成个人作品认领,即可获得平台文献免费下载权限。

详询在线客服 ×

被举报文档标题:通过K-means算法实现神经网络的加速和压缩

被举报文档地址:


我确定以上信息无误

举报类型:

非法(文档涉及政治、宗教、色情或其他违反国家法律法规的内容)

侵权

其他

举报理由:
   (必填)