• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    面向“邊緣”應(yīng)用的卷積神經(jīng)網(wǎng)絡(luò)量化與壓縮方法

    2018-10-16 08:23:48蔡瑞初鐘椿榮陳炳豐
    計(jì)算機(jī)應(yīng)用 2018年9期
    關(guān)鍵詞:定點(diǎn)嵌入式邊緣

    蔡瑞初,鐘椿榮,余 洋,陳炳豐,盧 冶,陳 瑤,3

    (1.廣東工業(yè)大學(xué) 計(jì)算機(jī)學(xué)院,廣州 510006; 2.南開大學(xué) 計(jì)算機(jī)與控制工程學(xué)院,天津 300353;3.新加坡高等數(shù)字科學(xué)中心,新加坡 138602)

    0 引言

    近年,卷積神經(jīng)網(wǎng)絡(luò)(Convolution Neural Network, CNN)憑借其強(qiáng)大的特征提取能力而被廣泛應(yīng)用于自動(dòng)控制、模式識(shí)別、計(jì)算機(jī)視覺、傳感器信號(hào)處理等方面,但由于智能識(shí)別任務(wù)數(shù)據(jù)交互量大,云計(jì)算中心存在負(fù)擔(dān)重和網(wǎng)絡(luò)傳輸延遲時(shí)間較長(zhǎng)等問題,使得卷積神經(jīng)網(wǎng)絡(luò)在嵌入式終端的部署受到限制。例如,無人駕駛汽車領(lǐng)域[1],其車載傳感器和攝像頭持續(xù)捕捉實(shí)時(shí)路況信息,如果所有的無人駕駛汽車的數(shù)據(jù)直接發(fā)送到云計(jì)算中心處理,響應(yīng)延遲時(shí)間將會(huì)更長(zhǎng),以至于無法滿足自動(dòng)駕駛對(duì)實(shí)時(shí)性數(shù)據(jù)處理的需求。為了實(shí)現(xiàn)實(shí)時(shí)路況的及時(shí)響應(yīng),需在車載嵌入式等“邊緣”設(shè)備上進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)的部署。

    隨著卷積神經(jīng)網(wǎng)絡(luò)模型堆疊的層數(shù)越來越多,網(wǎng)絡(luò)模型的權(quán)重參數(shù)數(shù)量也隨之增長(zhǎng)。例如,LeCun等[2]提出的LeNet-5卷積神經(jīng)網(wǎng)絡(luò)模型需要訓(xùn)練600 000個(gè)參數(shù);Krizhevsky等[3]設(shè)計(jì)的AlexNet權(quán)重參數(shù)數(shù)量是LeNet-5的近100倍。而之后的VGG-19[4]網(wǎng)絡(luò)模型的權(quán)重參數(shù)數(shù)量達(dá)到了1×108;Coates等[5]甚至將卷積神經(jīng)網(wǎng)絡(luò)權(quán)重參數(shù)擴(kuò)展到1×109。卷積神經(jīng)網(wǎng)絡(luò)的復(fù)雜度主要體現(xiàn)在兩個(gè)部分:一是卷積層包含了網(wǎng)絡(luò)90%以上的運(yùn)算操作;二是全連接層產(chǎn)生了超過90%的網(wǎng)絡(luò)參數(shù)。這導(dǎo)致卷積神經(jīng)網(wǎng)絡(luò)的“邊緣”部署受到嵌入式設(shè)備的內(nèi)存空間、計(jì)算量和計(jì)算速度等方面的影響。

    通常情況下,如車載嵌入式設(shè)備計(jì)算資源非常有限且對(duì)功耗有嚴(yán)格的要求,其處理器處理能力較弱、存儲(chǔ)及內(nèi)存空間較小,使得嵌入式設(shè)備的計(jì)算能力與存儲(chǔ)訪問能力受到了極大的限制,卷積神經(jīng)網(wǎng)絡(luò)較高的運(yùn)算及存儲(chǔ)訪問需求使其在嵌入式終端設(shè)備的實(shí)現(xiàn)成為難點(diǎn)。針對(duì)以上情況,神經(jīng)網(wǎng)絡(luò)應(yīng)用在嵌入式設(shè)備的實(shí)現(xiàn)需在保障其網(wǎng)絡(luò)模型不變的前提下解決其運(yùn)算量大及存儲(chǔ)需求高的問題。

    本文的主要工作如下:

    1) 針對(duì)原始網(wǎng)絡(luò)的計(jì)算及存儲(chǔ)訪問需求過高的問題,采用動(dòng)態(tài)網(wǎng)絡(luò)權(quán)重裁剪方法去除網(wǎng)絡(luò)中的冗余連接,在保障網(wǎng)絡(luò)模型精度在可控變化范圍內(nèi)的前提下有效減少模型的非零權(quán)重?cái)?shù)量;

    2) 針對(duì)嵌入式硬件平臺(tái)的硬件特性對(duì)模型數(shù)據(jù)進(jìn)行以比特位為單位的動(dòng)態(tài)數(shù)據(jù)量化,充分利用嵌入式平臺(tái)所具有的位操作特性,進(jìn)一步提升網(wǎng)絡(luò)模型的執(zhí)行性能;

    3) 提出針對(duì)嵌入式平臺(tái)的卷積神經(jīng)網(wǎng)絡(luò)處理框架,結(jié)合以上處理過程,并將處理結(jié)果進(jìn)行實(shí)現(xiàn)。

    1 相關(guān)工作

    邊緣計(jì)算應(yīng)用主要針對(duì)當(dāng)前有許多在“邊緣”設(shè)備上使用神經(jīng)網(wǎng)絡(luò)模型的研究工作,并得到了不錯(cuò)的成果。由于神經(jīng)網(wǎng)絡(luò)模型含有大量的參數(shù),而大量冗余的參數(shù)占用了很多計(jì)算資源和存儲(chǔ)空間[6],因此,首要任務(wù)是減少網(wǎng)絡(luò)參數(shù)從而降低計(jì)算與存儲(chǔ)消耗,如LeCun等[7]和Hassibi等[8]率先提出OBD(Optimal Brain Damage)和OBS(Optimal Brain Surgeon)的參數(shù)裁剪方法。該方法利用二階泰勒展開選擇裁剪參數(shù),使網(wǎng)絡(luò)輕量化的同時(shí)促進(jìn)了網(wǎng)絡(luò)的泛化,但是需要額外的內(nèi)存和計(jì)算資源來計(jì)算黑塞矩陣(Hessian Matrix)。Molchanov等[9]則用一階泰勒展開方法對(duì)卷積神經(jīng)網(wǎng)絡(luò)中冗余的特征圖進(jìn)行裁剪,但該方法僅適用于在小型數(shù)據(jù)集上作遷移學(xué)習(xí)的網(wǎng)絡(luò)模型。Han等[10]則在裁剪的基礎(chǔ)上,對(duì)大型網(wǎng)絡(luò)模型用k均值(k-means)和哈夫曼樹的方法對(duì)網(wǎng)絡(luò)權(quán)重進(jìn)行量化壓縮,有效地降低了網(wǎng)絡(luò)中的冗余度。

    嵌入式處理器,因處理器位寬及性能的限制,常規(guī)的計(jì)算需求在該環(huán)境下難以得到滿足。面對(duì)這種情況,在保證網(wǎng)絡(luò)模型精度的同時(shí)對(duì)網(wǎng)絡(luò)中的權(quán)重?cái)?shù)據(jù)進(jìn)行量化已成為一種趨勢(shì)。Vanhoucke等[11]采用8位整數(shù)定點(diǎn)表示的方法表示激活函數(shù);Hwang等[12]則提出用三元權(quán)重結(jié)合3位激活函數(shù)的定點(diǎn)的網(wǎng)絡(luò)優(yōu)化方法消除冗余;Gong等[13]提出一種損失精度的方法,使用向量量化來壓縮Convnet并且只降低了1%精確度;Chen等[14]的HashedNet是通過散列函數(shù)將連接權(quán)重隨機(jī)分組到哈希桶中,同一個(gè)哈希桶中的所有連接共享一個(gè)參數(shù)值來減小模型大小的技術(shù);Courbariaux等[15]使用了實(shí)值和二進(jìn)制的兩組權(quán)重,通過前向和后向傳播計(jì)算的梯度來更新權(quán)重的實(shí)值,并將實(shí)數(shù)權(quán)重量化為+1和-1的二進(jìn)制權(quán)重,有效減小網(wǎng)絡(luò)模型所需的位寬。

    本文基于上述研究,提出的基于閾值的權(quán)重?cái)?shù)據(jù)裁剪和面向硬件平臺(tái)的動(dòng)態(tài)定點(diǎn)量化方法,實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)模型輕量化的效果,在減少網(wǎng)絡(luò)權(quán)重的位寬表示和數(shù)量的同時(shí),保證了精度的穩(wěn)定,在三者之間權(quán)衡,尋求最優(yōu)的平衡點(diǎn)。

    2 理論分析

    2.1 神經(jīng)連接的冗余性分析

    在網(wǎng)絡(luò)結(jié)構(gòu)確定的前提下,在未知最優(yōu)網(wǎng)絡(luò)規(guī)模時(shí),大量的參數(shù)使網(wǎng)絡(luò)模型具有強(qiáng)大的分類能力,同時(shí)也容易導(dǎo)致網(wǎng)絡(luò)的過擬合;反之,網(wǎng)絡(luò)參數(shù)過少會(huì)限制網(wǎng)絡(luò)的學(xué)習(xí)能力。由于更多的參數(shù)意味著更多的存儲(chǔ)需求和計(jì)算操作,增加了在移動(dòng)平臺(tái)上應(yīng)用CNN的難度。

    已有研究工作證實(shí),在網(wǎng)絡(luò)模型權(quán)重參數(shù)中,并不是每一個(gè)參數(shù)都具有同等的重要性[16],不同網(wǎng)絡(luò)層權(quán)值的概率分布也有很大差異。以CaffeNet[17]最后一層全連接層(Fc8)的權(quán)重分布為例,如圖1所示,其分布具有類似正態(tài)分布的特征;當(dāng)分別對(duì)權(quán)重絕對(duì)值較小和權(quán)重絕對(duì)值較大的連接進(jìn)行裁剪時(shí),得到網(wǎng)絡(luò)精度結(jié)果如圖2所示??梢姡翰粩嘣龃髮?duì)絕對(duì)值較小的連接的裁剪比率時(shí),網(wǎng)絡(luò)精確率基本保持穩(wěn)定,當(dāng)裁剪率高于80%時(shí)精確率才出現(xiàn)緩慢下降;與之相反,裁剪權(quán)重較大的連接對(duì)網(wǎng)絡(luò)的精確率影響十分明顯。已有研究工作也證明,網(wǎng)絡(luò)模型中絕對(duì)值大的權(quán)重參數(shù)比絕對(duì)值小的權(quán)重對(duì)輸出的影響更大[16]。

    圖1 CaffeNet中Fc8的權(quán)重分布

    圖2 Fc8層不同權(quán)重裁剪結(jié)果

    同樣,以CaffeNet為例,在保證精確率不變化的前提下,動(dòng)態(tài)調(diào)整每一層的裁剪閾值并進(jìn)行權(quán)重?cái)?shù)據(jù)的裁剪,每次最大限度地實(shí)現(xiàn)單層的裁剪并逐層遞進(jìn),最終通過fine-tune保持網(wǎng)絡(luò)執(zhí)行的精確率下降不超過1%,其結(jié)果如圖3所示。網(wǎng)絡(luò)模型中每一層都有相當(dāng)數(shù)量的權(quán)重參數(shù)被裁剪而不影響網(wǎng)絡(luò)輸出結(jié)果的精確率。

    圖3 單層最大被裁剪率

    2.2 權(quán)重及激活函數(shù)的離散性分析

    (1)

    以CaffeNet的Fc8層的權(quán)重為例。將32位的權(quán)重用9位定點(diǎn)表示,量化為一個(gè)離散的權(quán)重區(qū)間,可在滿足網(wǎng)絡(luò)輸出精度不變的情況下采用定點(diǎn)表示其數(shù)據(jù),如圖4所示。

    圖4 定點(diǎn)量化后的權(quán)重分布

    定點(diǎn)數(shù)據(jù)量化相比浮點(diǎn)數(shù)據(jù)獲得了更高的網(wǎng)絡(luò)精確率,明顯地降低了網(wǎng)絡(luò)計(jì)算的開銷,提高了性能并且降低了功耗。

    3 方法描述

    在本章中,詳細(xì)描述本文所采用的算法。

    3.1 基于閾值的權(quán)重?cái)?shù)據(jù)裁剪

    通過對(duì)網(wǎng)絡(luò)中各層權(quán)重的數(shù)據(jù)分布和數(shù)值特點(diǎn)進(jìn)行分析,權(quán)重的絕對(duì)值越小對(duì)該連接所產(chǎn)生的全局影響越小。在保證精度的前提下,對(duì)重要性較低的網(wǎng)絡(luò)連接進(jìn)行權(quán)重?cái)?shù)據(jù)裁剪,減少網(wǎng)絡(luò)的非零參數(shù)數(shù)量,使網(wǎng)絡(luò)數(shù)據(jù)量降低。

    網(wǎng)絡(luò)訓(xùn)練過程通過優(yōu)化權(quán)重W,以最小化損失函數(shù)E(D|f,W|),其中D為訓(xùn)練集。在裁剪網(wǎng)絡(luò)時(shí),選擇并優(yōu)化參數(shù)子集Wp,其中Wp為相對(duì)重要的權(quán)重連接并且Wp?W,同時(shí)保證網(wǎng)絡(luò)精確度E(D|f,Wp|)。因此,最小化裁剪導(dǎo)致的精確度的損失可表示為:

    (2)

    基于閾值的權(quán)重?cái)?shù)據(jù)裁剪操作主要包括三個(gè)步驟:

    1)為保證網(wǎng)絡(luò)的重要連接得到充分的學(xué)習(xí),采用浮點(diǎn)型數(shù)據(jù)將網(wǎng)絡(luò)模型訓(xùn)練至收斂。統(tǒng)計(jì)該網(wǎng)絡(luò)模型各層l的權(quán)重分布Fl(wl),取一個(gè)較小且無精確度損失的裁剪率p0,使得Fl(tl0)=P{0<|tl0|}=p0,即網(wǎng)絡(luò)模型各層i的初始裁剪率為p0時(shí),其初始閾值分別設(shè)為tl0。同時(shí),將所有小于此閾值的權(quán)重連接重置為0。

    2)再次訓(xùn)練網(wǎng)絡(luò),對(duì)重要的權(quán)重連接進(jìn)行微調(diào),恢復(fù)網(wǎng)絡(luò)的精確率。其中,已重置為0的權(quán)重不被更新,采用以下方法:

    (3)

    (4)

    (5)

    (6)

    3.2 動(dòng)態(tài)定點(diǎn)量化

    卷積神經(jīng)網(wǎng)絡(luò)中,網(wǎng)絡(luò)各層數(shù)值動(dòng)態(tài)范圍存在差異。例如在普遍采用ReLu[21]為激活函數(shù)的網(wǎng)絡(luò)模型中,當(dāng)該神經(jīng)元輸出大于0時(shí),該值等于上層的輸出與權(quán)重的點(diǎn)積,其輸出數(shù)據(jù)范圍遠(yuǎn)大于當(dāng)前層權(quán)重。定點(diǎn)表示的數(shù)值范圍有限,因此采用動(dòng)態(tài)定點(diǎn)(Dynamic fixed point)[20,22]來表示網(wǎng)絡(luò)的權(quán)重和激活函數(shù),即每個(gè)數(shù)值表示如下:

    (7)

    其中:bw表示位寬,s是符號(hào)位,fl為小數(shù)的長(zhǎng)度,m表示尾數(shù)位。網(wǎng)絡(luò)中的各個(gè)值都可以在較小影響下,根據(jù)bw動(dòng)態(tài)分配相應(yīng)的fl。

    對(duì)權(quán)重與激活函數(shù)的動(dòng)態(tài)定點(diǎn)量化按以下4個(gè)步驟進(jìn)行:

    1)將經(jīng)過預(yù)訓(xùn)練的網(wǎng)絡(luò)模型的精確率作為網(wǎng)絡(luò)模型量化的基線Ab,同時(shí)設(shè)置正閾值σ。在動(dòng)態(tài)定點(diǎn)量化過程中,允許其量化后的精確率Aq相對(duì)于基線的降低范圍在閾值σ之內(nèi),Ab-Aq<σ。

    2)分析權(quán)重和激活函數(shù)各自的動(dòng)態(tài)范圍,尋找與其相對(duì)應(yīng)整數(shù)部il所需的位寬,計(jì)算小數(shù)部分的位寬長(zhǎng)度fl=bw-il-1。采用最鄰近舍入法從浮點(diǎn)轉(zhuǎn)化為定點(diǎn)數(shù)據(jù)。

    測(cè)試量化后網(wǎng)絡(luò)精確率Aq,當(dāng)精確率的損失在σ范圍內(nèi),采用折半查找法,多次迭代量化分別尋找激活函數(shù)、卷積層與全連接層權(quán)重的最優(yōu)位寬。否則,將bw和fl部分設(shè)為上一次循環(huán)所得位寬長(zhǎng)度。因?yàn)榫W(wǎng)絡(luò)模型三個(gè)部分的位寬相對(duì)獨(dú)立,因此每次只將卷積層或全連接層的權(quán)重或各層激活函數(shù)三部分的其中之一作動(dòng)態(tài)定點(diǎn)量化,其余保持浮點(diǎn)型數(shù)據(jù)。

    3)找到當(dāng)前層動(dòng)態(tài)定點(diǎn)量化的位數(shù)與精確率之間的最優(yōu)平衡點(diǎn),對(duì)量化后的網(wǎng)絡(luò)進(jìn)行微調(diào)。為了使動(dòng)態(tài)定點(diǎn)量化不降低網(wǎng)絡(luò)的精確率,采取全精度的影子權(quán)重(full precision shadow weight)[15],對(duì)計(jì)算過程中的梯度進(jìn)行反向傳播。權(quán)重的梯度為Δw由全精度權(quán)重w計(jì)算得到,而離散的權(quán)重wq由w動(dòng)態(tài)定點(diǎn)量化而得,對(duì)權(quán)重進(jìn)行隨機(jī)舍入(stochastic rounding)[23]獲得,即:

    (8)

    (9)

    (10)

    (11)

    其中:fl為神經(jīng)網(wǎng)絡(luò)的激活函數(shù),Q為動(dòng)態(tài)量化函數(shù)。為了得到更精準(zhǔn)的權(quán)重梯度,在微調(diào)階段將不對(duì)激活函數(shù)fl的量化結(jié)果進(jìn)行調(diào)整。

    4 驗(yàn)證與分析

    為了驗(yàn)證與分析上述方法,本文在Caffe 1.0版本[17]深度學(xué)習(xí)開發(fā)框架中,加入以上權(quán)重裁剪及量化功能,采用CaffeNet、VGG-19、SqueezeNet[24]、ResNet[25]等廣泛使用的典型卷積神經(jīng)網(wǎng)絡(luò)模型作為實(shí)驗(yàn)對(duì)象,將2012年ImageNet大規(guī)模視覺識(shí)別挑戰(zhàn)賽(ImageNet Large Scale Visual Recognition Challenge,ILSVRC)的驗(yàn)證集作為實(shí)驗(yàn)的測(cè)試數(shù)據(jù)集。

    4.1 網(wǎng)絡(luò)模型的權(quán)重?cái)?shù)據(jù)裁剪

    CaffeNet網(wǎng)絡(luò)模型各層權(quán)重?cái)?shù)量、裁剪閾值及其裁剪率結(jié)果如表1所示。整體來看,經(jīng)閾值法裁剪后,CaffeNet網(wǎng)絡(luò)權(quán)重?cái)?shù)目從61×106減少為10.1×106,裁剪率為83.4%,并且,網(wǎng)絡(luò)模型精確率保持在55.2%。另外,網(wǎng)絡(luò)中不同的層所設(shè)置閾值的大小及裁剪率并不相同。相比權(quán)重共享的卷積層,全連接層的裁剪率都在63.72%以上,最高的裁剪率可到達(dá)88.1%;因此,全連接層比卷積層權(quán)重的冗余性更高。在卷積神經(jīng)網(wǎng)絡(luò)中,閾值的大小與層的類型及當(dāng)前層在網(wǎng)絡(luò)中所處位置相關(guān)[16]。同時(shí),在網(wǎng)絡(luò)模型中,上下層之間相互影響,單層閾值設(shè)置過大,會(huì)影響后面層的特征提取。表2中所示為上述四個(gè)卷積神經(jīng)網(wǎng)絡(luò)的裁剪結(jié)果。由表2可以看出,基于閾值的裁剪方法對(duì)CaffeNet、VGG-19等大型網(wǎng)絡(luò)均可達(dá)到80%以上的裁剪率。此外,不含全連接層的參數(shù)密集的網(wǎng)絡(luò)模型ResNet和SqueezeNet也能通過閾值法裁剪減少30%的參數(shù)數(shù)量。因此,基于閾值的裁剪方法能有效降低卷積神經(jīng)網(wǎng)絡(luò)中的非零權(quán)重?cái)?shù)量。

    相比當(dāng)前的Dropout方法,閾值法裁剪則將權(quán)重連接永久刪除,而Dropout在訓(xùn)練時(shí)使每個(gè)神經(jīng)元都有一定的概率不參與訓(xùn)練但在網(wǎng)絡(luò)推理時(shí)參與回歸,因此Dropout并不降低非零權(quán)重?cái)?shù)量。隨著網(wǎng)絡(luò)連接的刪除,網(wǎng)絡(luò)模型將選擇最重要的連接進(jìn)行表達(dá),因此可以極大地降低神經(jīng)網(wǎng)絡(luò)本身所存在的冗余性[16]。

    表1 基于閾值裁剪后CaffeNet各層權(quán)重變化

    表2 不同網(wǎng)絡(luò)模型裁剪后結(jié)果對(duì)比

    4.2 網(wǎng)絡(luò)模型的動(dòng)態(tài)定點(diǎn)量化

    在本節(jié)中,使用動(dòng)態(tài)定點(diǎn)量化方法對(duì)上述4個(gè)網(wǎng)絡(luò)模型的權(quán)重與激活函數(shù)進(jìn)行處理,本節(jié)實(shí)驗(yàn)將各個(gè)網(wǎng)絡(luò)的原始精確率作為基線,并使得量化后的精確率不低于基線的3%。

    表3所示為CaffeNet、VGG-19、ResNet和SqueezeNet動(dòng)態(tài)定點(diǎn)量化后網(wǎng)絡(luò)各個(gè)部分的位寬、初始基線和量化后的精確率及變化。表4為各個(gè)卷積神經(jīng)網(wǎng)絡(luò)模型量化前后大小對(duì)比。表4中,最后一列數(shù)據(jù)所示為便于在嵌入式微處理器平臺(tái)進(jìn)行硬件加速,采用8(1 B)的倍數(shù)位定點(diǎn)量化網(wǎng)絡(luò)所得結(jié)果。實(shí)驗(yàn)結(jié)果顯示,將CaffeNet的卷積層和全連接層的權(quán)重及激活函數(shù)32位的位寬分別最大量化為8位、7位和12位時(shí),可不產(chǎn)生分類精確率損失;同時(shí),其網(wǎng)絡(luò)大小從232.6 MB縮減為51.2 MB,網(wǎng)絡(luò)模型大小減少了78%。此外,對(duì)于前處理器平臺(tái),CaffeNet也能被量化為58.1 MB。與CaffeNet類似,網(wǎng)絡(luò)層數(shù)更多的卷積神經(jīng)網(wǎng)絡(luò)ResNet經(jīng)過動(dòng)態(tài)定點(diǎn)量化后,各層數(shù)據(jù)均可采用較低位寬數(shù)據(jù)表示,網(wǎng)絡(luò)存儲(chǔ)所占空間可縮減到25.2 MB和45.0 MB。對(duì)于參數(shù)密集型網(wǎng)絡(luò)SqueezeNet,雖然網(wǎng)絡(luò)本身具有較高的權(quán)重共享能力,其模型大小也由4.7 MB縮減至1.2 MB。由此可知,網(wǎng)絡(luò)權(quán)重的量化,對(duì)于大規(guī)模神經(jīng)網(wǎng)絡(luò)在“邊緣”及低性能終端設(shè)備的部署具有顯著意義。

    同時(shí),相比裁剪與量化方法,網(wǎng)絡(luò)精確率嚴(yán)格處于閾值所限定范圍內(nèi)。

    表3 動(dòng)態(tài)定點(diǎn)量化對(duì)不同網(wǎng)絡(luò)處理的效果

    表4 定點(diǎn)量化后各個(gè)網(wǎng)絡(luò)的大小

    4.3 裁剪與量化的結(jié)合

    實(shí)際應(yīng)用中,網(wǎng)絡(luò)裁剪和網(wǎng)絡(luò)權(quán)重的量化均可單獨(dú)作為網(wǎng)絡(luò)模型壓縮的方法,為了對(duì)網(wǎng)絡(luò)模型進(jìn)行進(jìn)一步壓縮,本節(jié)實(shí)驗(yàn)將在4.1節(jié)及4.2節(jié)實(shí)驗(yàn)結(jié)果的基礎(chǔ)上,提出將網(wǎng)絡(luò)裁剪及網(wǎng)絡(luò)權(quán)重量化相結(jié)合的方法,并對(duì)其進(jìn)行嵌套迭代實(shí)現(xiàn)。其中,精確率閾值與基線的設(shè)置與以上章節(jié)相同。

    表5中給出了網(wǎng)絡(luò)裁剪、量化及將其結(jié)合后對(duì)CaffeNet模型各層大小的影響。相比原始CaffeNet網(wǎng)絡(luò)的大小,將裁剪與量化結(jié)合后網(wǎng)絡(luò)規(guī)模有了明顯的降低,從232.6 MB壓縮為僅9.02 MB的大小,CaffeNet網(wǎng)絡(luò)模型減小了96.12%,極大地減少了網(wǎng)絡(luò)存儲(chǔ)空間。單獨(dú)的裁剪和量化則分別減少為41.13 MB和44.2 MB,只減少了81.5%。而網(wǎng)絡(luò)的精確率稍有降低,但仍處于前文所述閾值范圍內(nèi)。網(wǎng)絡(luò)裁剪與量化相結(jié)合后,對(duì)CaffeNet網(wǎng)絡(luò)的卷積層和全連接層的大小都能有效地進(jìn)行壓縮,說明方法結(jié)合后能更進(jìn)一步地對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行壓縮。

    表5 CaffeNet網(wǎng)絡(luò)裁剪及量化后各層大小 MB

    與此同時(shí),網(wǎng)絡(luò)精確率嚴(yán)格處于閾值所在范圍內(nèi)。如表6所示,本實(shí)驗(yàn)所采用的網(wǎng)絡(luò)模型都可以通過網(wǎng)絡(luò)裁剪和量化或其結(jié)合的方法,對(duì)網(wǎng)絡(luò)模型數(shù)據(jù)大小進(jìn)行壓縮。VGG-19從初始大小548 MB壓縮為25.2 MB而精確率僅降低0.3個(gè)百分點(diǎn),壓縮了95.4%;同時(shí),層數(shù)更多的卷積神經(jīng)網(wǎng)絡(luò)的ResNet和SqueezeNet也能壓縮為原始大小的18.7%以下。在精確率變化方面,在多個(gè)模型上的測(cè)試結(jié)果幾何平均后精度下降為1.46個(gè)百分點(diǎn),可見裁剪和量化對(duì)實(shí)現(xiàn)模型在嵌入式設(shè)備上的“邊緣”部署有非常大的優(yōu)勢(shì)。

    表6 不同網(wǎng)絡(luò)裁剪及量化后結(jié)果對(duì)比

    5 結(jié)語

    本文針對(duì)卷積神經(jīng)網(wǎng)絡(luò)對(duì)存儲(chǔ)空間及計(jì)算資源需求過大從而限制了其在嵌入式“邊緣”設(shè)備上部署的問題,提出了結(jié)合網(wǎng)絡(luò)權(quán)重裁剪及面向嵌入式硬件平臺(tái)數(shù)據(jù)類型的數(shù)據(jù)量化的卷積神經(jīng)網(wǎng)絡(luò)壓縮方法,降低網(wǎng)絡(luò)模型的冗余度和數(shù)據(jù)位寬需求。實(shí)驗(yàn)結(jié)果表明,該方法在保證網(wǎng)絡(luò)精確率的前提下能有效地對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行壓縮。未來工作中,還將對(duì)上述方法進(jìn)一步優(yōu)化,更深入研究網(wǎng)絡(luò)模型中權(quán)重連接之間的聯(lián)系;在定點(diǎn)量化方面,將用更少的位寬量化網(wǎng)絡(luò)的不同部分,從而在更大程度上降低網(wǎng)絡(luò)大小及其計(jì)算消耗。

    猜你喜歡
    定點(diǎn)嵌入式邊緣
    例談圓錐曲線中的定點(diǎn)定值問題
    定點(diǎn)幫扶讓村民過上美好生活
    解析幾何中定點(diǎn)問題的處理策略
    直線過定點(diǎn)的5種特優(yōu)解法
    搭建基于Qt的嵌入式開發(fā)平臺(tái)
    一張圖看懂邊緣計(jì)算
    嵌入式軟PLC在電鍍生產(chǎn)流程控制系統(tǒng)中的應(yīng)用
    Altera加入嵌入式視覺聯(lián)盟
    倍福 CX8091嵌入式控制器
    在邊緣尋找自我
    雕塑(1999年2期)1999-06-28 05:01:42
    美女视频免费永久观看网站| 国产高清国产精品国产三级| 亚洲成人手机| 老熟妇仑乱视频hdxx| 国产免费av片在线观看野外av| 俄罗斯特黄特色一大片| 国产一区二区在线观看av| 久久久久久久久免费视频了| 水蜜桃什么品种好| 三上悠亚av全集在线观看| 少妇精品久久久久久久| 国产一区有黄有色的免费视频| 国产高清videossex| 精品一区二区三区四区五区乱码| 99久久精品国产亚洲精品| 大香蕉久久网| 91精品三级在线观看| 人人妻人人澡人人爽人人夜夜| 国产精品av久久久久免费| 久久天堂一区二区三区四区| 国产91精品成人一区二区三区 | 最黄视频免费看| 后天国语完整版免费观看| 99精品久久久久人妻精品| 国产麻豆69| 久久久久国产一级毛片高清牌| 法律面前人人平等表现在哪些方面| 国产片内射在线| 国产高清国产精品国产三级| 国产一区二区三区视频了| 久久久国产欧美日韩av| 最近最新中文字幕大全免费视频| 十分钟在线观看高清视频www| 成人精品一区二区免费| 一边摸一边做爽爽视频免费| 天堂动漫精品| 国产国语露脸激情在线看| 在线av久久热| 99国产精品一区二区三区| 十八禁高潮呻吟视频| 成人免费观看视频高清| 久久这里只有精品19| 亚洲 欧美一区二区三区| 国产无遮挡羞羞视频在线观看| 18禁国产床啪视频网站| 亚洲天堂av无毛| 天堂8中文在线网| 亚洲成人免费电影在线观看| 国产午夜精品久久久久久| 波多野结衣一区麻豆| 国产一区二区 视频在线| 亚洲五月色婷婷综合| 一区二区日韩欧美中文字幕| 欧美日韩成人在线一区二区| 一级毛片女人18水好多| 日韩制服丝袜自拍偷拍| 免费女性裸体啪啪无遮挡网站| 99热网站在线观看| 国产精品熟女久久久久浪| 波多野结衣av一区二区av| 成年人免费黄色播放视频| 免费观看a级毛片全部| 久久青草综合色| 久久婷婷成人综合色麻豆| 国产精品二区激情视频| 国产一区二区在线观看av| 午夜91福利影院| 精品人妻1区二区| 叶爱在线成人免费视频播放| 18禁裸乳无遮挡动漫免费视频| 一区二区三区乱码不卡18| 十八禁高潮呻吟视频| 久久人妻福利社区极品人妻图片| 国产精品久久电影中文字幕 | 亚洲自偷自拍图片 自拍| 亚洲成人免费av在线播放| 成人免费观看视频高清| 国产成人欧美在线观看 | 精品少妇一区二区三区视频日本电影| 在线天堂中文资源库| 亚洲一卡2卡3卡4卡5卡精品中文| 脱女人内裤的视频| 日本黄色视频三级网站网址 | 国产免费福利视频在线观看| 欧美大码av| 亚洲欧美日韩另类电影网站| 中文字幕人妻丝袜一区二区| 视频区图区小说| 91精品国产国语对白视频| 男人舔女人的私密视频| 90打野战视频偷拍视频| 亚洲综合色网址| 下体分泌物呈黄色| 中文字幕人妻丝袜一区二区| 国产极品粉嫩免费观看在线| 国产在视频线精品| 国产精品香港三级国产av潘金莲| 国产精品成人在线| 日日爽夜夜爽网站| 亚洲欧美色中文字幕在线| 久久精品国产亚洲av高清一级| 成人三级做爰电影| 亚洲三区欧美一区| 人人妻人人澡人人爽人人夜夜| 国产一区二区在线观看av| 无限看片的www在线观看| av在线播放免费不卡| 啪啪无遮挡十八禁网站| 精品国内亚洲2022精品成人 | 久久精品aⅴ一区二区三区四区| 色精品久久人妻99蜜桃| 日日夜夜操网爽| 乱人伦中国视频| 丝袜美腿诱惑在线| 一级毛片电影观看| 免费在线观看影片大全网站| 狠狠狠狠99中文字幕| 免费久久久久久久精品成人欧美视频| 女同久久另类99精品国产91| 一本一本久久a久久精品综合妖精| 香蕉国产在线看| 亚洲色图综合在线观看| 老司机靠b影院| 女人久久www免费人成看片| 国产精品美女特级片免费视频播放器 | 久久性视频一级片| 9191精品国产免费久久| 午夜福利一区二区在线看| 国产精品久久久久久人妻精品电影 | 麻豆乱淫一区二区| 一本一本久久a久久精品综合妖精| 亚洲人成电影免费在线| 国产老妇伦熟女老妇高清| 80岁老熟妇乱子伦牲交| 18禁黄网站禁片午夜丰满| 一区二区三区乱码不卡18| 国产淫语在线视频| 午夜精品久久久久久毛片777| 久久国产亚洲av麻豆专区| 国产男靠女视频免费网站| 男女下面插进去视频免费观看| av一本久久久久| 欧美日韩黄片免| 黑丝袜美女国产一区| 大码成人一级视频| 老汉色∧v一级毛片| 99精国产麻豆久久婷婷| 欧美大码av| 大型黄色视频在线免费观看| 欧美激情高清一区二区三区| 国产精品一区二区免费欧美| 欧美av亚洲av综合av国产av| 亚洲一卡2卡3卡4卡5卡精品中文| av电影中文网址| 精品一品国产午夜福利视频| 国产精品秋霞免费鲁丝片| 一本大道久久a久久精品| 另类亚洲欧美激情| e午夜精品久久久久久久| 亚洲午夜精品一区,二区,三区| 黄片小视频在线播放| av福利片在线| 下体分泌物呈黄色| 亚洲av日韩精品久久久久久密| 亚洲成国产人片在线观看| 黄色视频在线播放观看不卡| 国产在线免费精品| 男女高潮啪啪啪动态图| 欧美+亚洲+日韩+国产| 国产伦人伦偷精品视频| 亚洲精品久久午夜乱码| 男女无遮挡免费网站观看| 欧美成狂野欧美在线观看| xxxhd国产人妻xxx| 新久久久久国产一级毛片| 亚洲黑人精品在线| 久久午夜综合久久蜜桃| 亚洲成人免费av在线播放| 视频在线观看一区二区三区| 亚洲av片天天在线观看| 午夜福利乱码中文字幕| 精品一区二区三区四区五区乱码| 激情视频va一区二区三区| 国产免费现黄频在线看| av天堂久久9| 成人国产一区最新在线观看| 最新的欧美精品一区二区| 热re99久久国产66热| avwww免费| 亚洲人成电影免费在线| 亚洲精品成人av观看孕妇| 女人久久www免费人成看片| 大片电影免费在线观看免费| 成人国产一区最新在线观看| 成人手机av| 欧美乱码精品一区二区三区| 久久久久精品人妻al黑| 午夜久久久在线观看| 免费在线观看影片大全网站| 1024视频免费在线观看| 国产在视频线精品| av有码第一页| 国产精品一区二区在线不卡| 国产成人系列免费观看| 99热国产这里只有精品6| 久久久久网色| 国产男女超爽视频在线观看| 人人澡人人妻人| 午夜福利视频在线观看免费| 69精品国产乱码久久久| 亚洲欧美一区二区三区久久| 亚洲久久久国产精品| 欧美黄色淫秽网站| 欧美 日韩 精品 国产| 亚洲av第一区精品v没综合| 国产日韩一区二区三区精品不卡| 国产淫语在线视频| 国产欧美日韩综合在线一区二区| 国产精品亚洲一级av第二区| 黄频高清免费视频| 亚洲精品av麻豆狂野| 欧美在线黄色| 一区二区av电影网| 精品国产亚洲在线| 纵有疾风起免费观看全集完整版| 王馨瑶露胸无遮挡在线观看| 精品少妇黑人巨大在线播放| 法律面前人人平等表现在哪些方面| 国产高清视频在线播放一区| 亚洲精品自拍成人| 国产精品熟女久久久久浪| 亚洲熟妇熟女久久| 丰满迷人的少妇在线观看| 国产亚洲精品第一综合不卡| 中文字幕人妻熟女乱码| 亚洲中文字幕日韩| 18禁美女被吸乳视频| 亚洲欧美日韩高清在线视频 | 久久99热这里只频精品6学生| av在线播放免费不卡| 国产成人av教育| 麻豆乱淫一区二区| 一级片免费观看大全| 精品国产国语对白av| 久久av网站| 婷婷丁香在线五月| 亚洲伊人色综图| 最新的欧美精品一区二区| 国产成+人综合+亚洲专区| 精品少妇黑人巨大在线播放| 久久ye,这里只有精品| 丝袜喷水一区| 日韩一卡2卡3卡4卡2021年| 丰满饥渴人妻一区二区三| 中文字幕人妻丝袜制服| 热re99久久国产66热| 国产精品免费一区二区三区在线 | 91老司机精品| 久久精品国产亚洲av香蕉五月 | 一本大道久久a久久精品| 国产在线视频一区二区| 黑人欧美特级aaaaaa片| 少妇被粗大的猛进出69影院| 高清av免费在线| 国产深夜福利视频在线观看| 日韩有码中文字幕| 香蕉久久夜色| 他把我摸到了高潮在线观看 | 高清欧美精品videossex| 深夜精品福利| 亚洲欧洲精品一区二区精品久久久| videos熟女内射| 香蕉国产在线看| 老司机在亚洲福利影院| 一夜夜www| 美女福利国产在线| 亚洲久久久国产精品| svipshipincom国产片| 97在线人人人人妻| 亚洲人成伊人成综合网2020| 亚洲国产成人一精品久久久| 欧美精品一区二区免费开放| 手机成人av网站| 91成年电影在线观看| 亚洲欧美日韩高清在线视频 | 国产免费视频播放在线视频| 国产精品二区激情视频| 9色porny在线观看| 久久中文看片网| 国产精品久久电影中文字幕 | 免费在线观看完整版高清| 亚洲第一欧美日韩一区二区三区 | 国产黄频视频在线观看| 亚洲欧美激情在线| 久久精品成人免费网站| 久热爱精品视频在线9| 亚洲欧美一区二区三区黑人| 香蕉久久夜色| 久久人妻福利社区极品人妻图片| 精品久久久精品久久久| 99精国产麻豆久久婷婷| 午夜91福利影院| 岛国毛片在线播放| 99精品在免费线老司机午夜| 亚洲熟妇熟女久久| 国产精品电影一区二区三区 | 亚洲天堂av无毛| 欧美成人午夜精品| 欧美亚洲 丝袜 人妻 在线| 曰老女人黄片| 99国产精品一区二区蜜桃av | 国产精品久久久av美女十八| 久久久久视频综合| 一个人免费看片子| 十分钟在线观看高清视频www| 男人舔女人的私密视频| 人人妻人人澡人人看| 久久久久久免费高清国产稀缺| 麻豆av在线久日| 下体分泌物呈黄色| 母亲3免费完整高清在线观看| 日韩免费高清中文字幕av| 90打野战视频偷拍视频| 精品少妇内射三级| 啦啦啦 在线观看视频| 亚洲欧洲精品一区二区精品久久久| 欧美在线黄色| 美女扒开内裤让男人捅视频| 国产xxxxx性猛交| 亚洲人成伊人成综合网2020| 国产深夜福利视频在线观看| av福利片在线| 大型黄色视频在线免费观看| 日本wwww免费看| 天天躁夜夜躁狠狠躁躁| 精品国产一区二区久久| 欧美+亚洲+日韩+国产| 男人操女人黄网站| 丝袜在线中文字幕| 免费人妻精品一区二区三区视频| 亚洲五月色婷婷综合| 人成视频在线观看免费观看| 香蕉久久夜色| 欧美激情高清一区二区三区| 国产成+人综合+亚洲专区| 90打野战视频偷拍视频| 午夜91福利影院| 国产一区二区三区在线臀色熟女 | 我的亚洲天堂| 精品少妇黑人巨大在线播放| 精品第一国产精品| 亚洲精品美女久久久久99蜜臀| 高清av免费在线| 99re在线观看精品视频| 亚洲欧洲日产国产| kizo精华| 国产精品一区二区在线不卡| 男女床上黄色一级片免费看| 亚洲精品av麻豆狂野| 国产欧美亚洲国产| 在线观看免费高清a一片| 久久久水蜜桃国产精品网| 50天的宝宝边吃奶边哭怎么回事| 精品少妇黑人巨大在线播放| 国产99久久九九免费精品| 捣出白浆h1v1| 中文字幕av电影在线播放| 欧美激情极品国产一区二区三区| 久久 成人 亚洲| 19禁男女啪啪无遮挡网站| 一级毛片女人18水好多| 欧美激情极品国产一区二区三区| 亚洲av片天天在线观看| 免费观看人在逋| 9191精品国产免费久久| 黄频高清免费视频| 咕卡用的链子| 人人妻人人爽人人添夜夜欢视频| 一区二区三区精品91| 久久人妻福利社区极品人妻图片| 免费av中文字幕在线| 999久久久国产精品视频| 日韩人妻精品一区2区三区| 国精品久久久久久国模美| 考比视频在线观看| 99久久国产精品久久久| 一区二区三区激情视频| 亚洲一码二码三码区别大吗| 久久国产亚洲av麻豆专区| 国产精品免费一区二区三区在线 | 天天添夜夜摸| 久久热在线av| 亚洲欧美色中文字幕在线| tocl精华| av免费在线观看网站| 国产成人精品在线电影| 国产成人av激情在线播放| 国产主播在线观看一区二区| 99热网站在线观看| 飞空精品影院首页| 欧美精品一区二区大全| 国产成人免费无遮挡视频| 国产又爽黄色视频| 精品国产乱码久久久久久小说| 久热爱精品视频在线9| 日韩欧美免费精品| 国产av国产精品国产| 日韩欧美一区视频在线观看| 久久久精品国产亚洲av高清涩受| 国产精品熟女久久久久浪| videosex国产| 亚洲色图综合在线观看| 国产伦理片在线播放av一区| 人妻久久中文字幕网| 91成人精品电影| 午夜精品久久久久久毛片777| av免费在线观看网站| 日韩视频一区二区在线观看| 久久国产精品人妻蜜桃| 国产精品麻豆人妻色哟哟久久| 免费不卡黄色视频| 免费少妇av软件| 国产亚洲午夜精品一区二区久久| 午夜福利,免费看| 怎么达到女性高潮| 免费高清在线观看日韩| 成年人午夜在线观看视频| 欧美精品人与动牲交sv欧美| 黄网站色视频无遮挡免费观看| 麻豆国产av国片精品| 午夜精品国产一区二区电影| 欧美精品一区二区大全| 啦啦啦视频在线资源免费观看| 精品人妻在线不人妻| 久久久精品国产亚洲av高清涩受| 天堂俺去俺来也www色官网| 欧美在线一区亚洲| 中文字幕精品免费在线观看视频| 久久人妻av系列| 国产精品一区二区免费欧美| 免费少妇av软件| 热99re8久久精品国产| 亚洲国产欧美日韩在线播放| 久久免费观看电影| 午夜91福利影院| 啦啦啦 在线观看视频| 国产人伦9x9x在线观看| 日韩欧美一区视频在线观看| 天堂8中文在线网| 视频区欧美日本亚洲| 中文字幕精品免费在线观看视频| av网站免费在线观看视频| 在线观看免费视频日本深夜| 亚洲五月婷婷丁香| 欧美精品啪啪一区二区三区| 俄罗斯特黄特色一大片| 男男h啪啪无遮挡| 欧美黄色片欧美黄色片| www.精华液| 亚洲国产看品久久| 99热国产这里只有精品6| 中文亚洲av片在线观看爽 | 久久av网站| 亚洲avbb在线观看| 日韩成人在线观看一区二区三区| 极品人妻少妇av视频| 亚洲国产毛片av蜜桃av| 欧美国产精品一级二级三级| 欧美黑人欧美精品刺激| 在线观看舔阴道视频| 国产精品久久久久久人妻精品电影 | 色94色欧美一区二区| 午夜福利影视在线免费观看| 免费看十八禁软件| 大型黄色视频在线免费观看| 成人三级做爰电影| 99国产精品免费福利视频| 亚洲中文日韩欧美视频| 欧美精品人与动牲交sv欧美| 亚洲精品在线美女| 一进一出抽搐动态| av在线播放免费不卡| 久久人人爽av亚洲精品天堂| 黄色视频,在线免费观看| 黄色视频在线播放观看不卡| 波多野结衣一区麻豆| 精品人妻1区二区| 国产亚洲午夜精品一区二区久久| 19禁男女啪啪无遮挡网站| 我要看黄色一级片免费的| 日韩人妻精品一区2区三区| 老司机靠b影院| 国产精品亚洲av一区麻豆| 精品人妻在线不人妻| 脱女人内裤的视频| 男女之事视频高清在线观看| 97人妻天天添夜夜摸| 成年人黄色毛片网站| 国产深夜福利视频在线观看| √禁漫天堂资源中文www| 亚洲久久久国产精品| 一本久久精品| 视频在线观看一区二区三区| av线在线观看网站| 亚洲欧洲日产国产| 国产三级黄色录像| 欧美日韩av久久| 美女主播在线视频| 国产不卡一卡二| 免费在线观看日本一区| 国产亚洲精品久久久久5区| 亚洲熟女毛片儿| 久久这里只有精品19| 国产主播在线观看一区二区| av国产精品久久久久影院| 少妇裸体淫交视频免费看高清 | 精品熟女少妇八av免费久了| 久久国产精品男人的天堂亚洲| 制服人妻中文乱码| 叶爱在线成人免费视频播放| a级毛片黄视频| 亚洲一卡2卡3卡4卡5卡精品中文| 国产精品久久久av美女十八| 午夜免费鲁丝| 国产免费福利视频在线观看| 黄色 视频免费看| 精品欧美一区二区三区在线| 久久久久精品人妻al黑| 五月天丁香电影| 亚洲五月婷婷丁香| 男女午夜视频在线观看| 最近最新中文字幕大全电影3 | 香蕉丝袜av| 日本黄色视频三级网站网址 | 99九九在线精品视频| 国产精品自产拍在线观看55亚洲 | 少妇被粗大的猛进出69影院| 少妇猛男粗大的猛烈进出视频| 国产精品 国内视频| 狠狠精品人妻久久久久久综合| 午夜久久久在线观看| 国产精品.久久久| 九色亚洲精品在线播放| 亚洲人成伊人成综合网2020| 亚洲精品一二三| 男男h啪啪无遮挡| 免费看十八禁软件| 精品亚洲成a人片在线观看| 久久热在线av| 天堂中文最新版在线下载| 国产成人欧美| 亚洲国产中文字幕在线视频| 90打野战视频偷拍视频| 国产亚洲av高清不卡| 亚洲免费av在线视频| 99精品欧美一区二区三区四区| 无限看片的www在线观看| 如日韩欧美国产精品一区二区三区| 少妇精品久久久久久久| 免费在线观看日本一区| 交换朋友夫妻互换小说| 黑人巨大精品欧美一区二区蜜桃| 久久久精品94久久精品| 亚洲九九香蕉| 国产成人欧美| 国产精品欧美亚洲77777| 国产男女超爽视频在线观看| 建设人人有责人人尽责人人享有的| 夜夜夜夜夜久久久久| 日本精品一区二区三区蜜桃| a级毛片黄视频| 热99re8久久精品国产| 1024香蕉在线观看| 一本久久精品| 久久久国产成人免费| 国产高清激情床上av| 咕卡用的链子| 成人黄色视频免费在线看| 搡老岳熟女国产| 免费在线观看日本一区| 色精品久久人妻99蜜桃| 精品亚洲成国产av| 脱女人内裤的视频| 一级,二级,三级黄色视频| 丁香六月天网| 久久青草综合色| 日韩人妻精品一区2区三区| 国产日韩欧美亚洲二区| 精品少妇久久久久久888优播| 啪啪无遮挡十八禁网站| 日本五十路高清| 精品国产乱子伦一区二区三区| 最近最新中文字幕大全免费视频| 在线观看免费视频日本深夜| 欧美日韩福利视频一区二区| 热99国产精品久久久久久7| 国产xxxxx性猛交| 熟女少妇亚洲综合色aaa.| 宅男免费午夜| 99国产精品99久久久久| 亚洲七黄色美女视频| 亚洲三区欧美一区| 成人手机av| 女人高潮潮喷娇喘18禁视频| 老司机福利观看| 国产免费av片在线观看野外av| xxxhd国产人妻xxx| 日韩视频一区二区在线观看| 亚洲一区中文字幕在线| 日本av免费视频播放| 97在线人人人人妻| 午夜成年电影在线免费观看| 捣出白浆h1v1| 亚洲自偷自拍图片 自拍| 最新的欧美精品一区二区|