模型壓縮相關文章

• Learning both Weights and Connections for Efficient Neural Networks (NIPS2015)
• Deep Compression: Compressing Deep Neural Networks with Pruning, Trained Quantization and Huffman Coding（ICLR2016）

Learning both Weights and Connections for Efficient Neural Networks (NIPS2015)

論文目的：
訓練過程中不僅學習權重參數，也學習網絡連接的重要性，把不重要的刪除掉。

論文內容：
1.使用L2正則化
2.Drop 比率調節
3.參數共適應性，修剪之后重新訓練的時候，參數使用原來的參數效果好。
4.迭代修剪連接，修剪-》訓練-》修剪-》訓練
5.修剪0值神經元

Deep Compression: Compressing Deep Neural Networks with Pruning, Trained Quantization and Huffman Coding（ICLR2016）

論文內容：
修剪，參數精度變小，哈夫曼編碼 壓縮網絡

總結

以上是生活随笔為你收集整理的模型压缩 相关文章解读的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。