一种神经网络模型剪枝后泛化能力的验证方法
来源：计算机工程杂志2019年第10期北京时间：
作者：刘崇阳, 刘勤让
单位：国家数字交换系统工程技术研究中心, 郑州 450002
摘要：针对神经网络模型在剪枝操作中Dropout率下调造成的过拟合问题，提出一种剪枝模型泛化能力的验证方法。研究人为遮挡数据集模拟图像范围的变化情况，分析不同Dropout值和剪枝比例对模型准确率的影响，进而得到剪枝操作后模型泛化能力变化的原因。在卷积神经网络模型lenet-5上进行实验，结果表明，剪枝模型泛化能力减弱是因为Dropout率下调和剪枝操作时参数量的变化。
关键词：深度神经网络,模型剪枝,深度学习,泛化能力,遮挡数据集
基金资助：国家科技重大专项（2016ZX01012101）；国家自然科学基金面上项目（61572520）；国家自然科学基金创新研究群体项目（61521003）。
