基于聚类和生成对抗学习模型的滤波器剪枝
来源：计算机应用与软件杂志2024年第1期北京时间：
作者：冯叶棋，张俊三，邵明文，张世栋, , ,
摘要：深度神经网络过深的网络架构和冗余的参数会导致昂贵的计算成本，近年来深度神经网络的压缩与加速已成为研究热点。针对现有方法的范数准则局限性以及标签依赖问题，提出一种基于聚类中心和生成对抗学习的结构化滤波器剪枝方法（FPCC-GAN）：使用K-means聚类算法按卷积层将滤波器逐层聚类；比例化修剪各簇内离聚类中心较近的提取冗余特征的滤波器；使用生成对抗学习迭代训练。实验结果分析表明，与当前主流方法相比，该方法具有更高的准确率。
关键词：网络压缩, 深度神经网络加速, 参数剪枝, 聚类, 生成对抗学习
