模型剪枝与低精度量化融合的DNN模型压缩算法

来源：电讯技术杂志2020年第6期北京时间：

作者：吴进,杨雪,胡怡青

单位：(西安邮电大学 电子工程学院，西安710121)

摘要：拥有庞大参数量的网络模型很难部署在智能手机、可穿戴智能设备等资源受限的移动设备上。从深度神经网络模型的基本原理出发，在现有压缩算法的基础上，采用优化剪枝策略与参数量化的方法相融合，提出了一种结果导向的数据驱动剪枝算法，利用低精度的量化算法来进一步压缩模型。使用VGGNet作为原始模型，在Kaggle猫狗图像和Oxford102植物样本集上进行微调。实验数据表明，使用本实验改进的方法，模型压缩的存储容量下降到113.1 MB，识别率提高到86.74%。

关键词：深度学习；模型压缩；模型剪枝；参数量化；

基金资助：国家自然科学基金资助项目（61772417，61634004，61602377）；陕西省重点研发计划（2017GY-060）；陕西省自然科学基础研究计划项目（2018JM4018）