基于LZW编码的卷积神经网络压缩方法
来源：计算机工程杂志2019年第9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：针对卷积神经网络（CNN）因参数量大难以移植到嵌入式平台的问题，提出基于LZW编码的CNN压缩方法。通过浮点转定点和剪枝2种方法来压缩模型容量。对权值进行k-means聚类量化，并在此基础上进行LZW编码。在MNIST数据集上进行实验，结果表明，剪枝效果优于浮点转定点的压缩效果，在进行剪枝、量化后使用LZW编码，其压缩比可达25.338。
关键词：卷积神经网络,LZW编码,浮点转定点,模型剪枝,k-means聚类量化
基金资助：国家科技重大专项（2016ZX01012101）；国家自然科学基金（61572520，61521003）。
