• <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 ?

    面向星上目標(biāo)提取的卷積神經(jīng)網(wǎng)絡(luò)優(yōu)化技術(shù)

    2021-03-04 04:10:12孫永巖鄭幸飛齊保貴
    上海航天 2021年1期
    關(guān)鍵詞:剪枝集上濾波器

    盧 丹,孫永巖,鄭幸飛,齊保貴,師 皓

    (1.上海衛(wèi)星工程研究所,上海 201109;2.北京理工大學(xué) 信息與電子學(xué)院 雷達(dá)技術(shù)研究所,北京 100081;3.嵌入式實(shí)時(shí)信息處理技術(shù)北京市重點(diǎn)實(shí)驗(yàn)室,北京 100081)

    0 引言

    隨著遙感成像和信息處理技術(shù)的發(fā)展,在星上實(shí)時(shí)完成目標(biāo)檢測、場景分類等任務(wù),直接從遙感數(shù)據(jù)中獲取有用信息,具有十分重要的意義。卷積神經(jīng)網(wǎng)絡(luò)憑借其強(qiáng)大的特征提取能力,在遙感數(shù)據(jù)處理任務(wù)中可顯著提升信息提取的效率和精度,逐漸獲得廣泛應(yīng)用[1]。

    伴隨著性能的提升,卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)存儲量和計(jì)算開銷也越來越大,在低功耗、計(jì)算和存儲資源有限的在軌場景中難以移植應(yīng)用。因此,如何在不降低網(wǎng)絡(luò)性能的條件下,縮小網(wǎng)絡(luò)規(guī)模,減少計(jì)算消耗,成為當(dāng)前亟待解決的問題。如果能將網(wǎng)絡(luò)規(guī)模小型化,那么將卷積神經(jīng)網(wǎng)絡(luò)部署到機(jī)載、星載等遙感設(shè)備便成為可能,這無疑是從實(shí)驗(yàn)室走向應(yīng)用的關(guān)鍵性進(jìn)展。

    通過模型壓縮來降低存儲量和計(jì)算成本已經(jīng)有了大量的研究。目前提出的網(wǎng)絡(luò)壓縮方法主要可分為以下幾類[2]:參數(shù)剪枝、權(quán)值量化、低秩分解、緊性卷積核設(shè)計(jì)和知識蒸餾。參數(shù)剪枝法通過對網(wǎng)絡(luò)進(jìn)行結(jié)構(gòu)或非結(jié)構(gòu)化的剪枝操作,將模型中冗余的參數(shù)進(jìn)行裁剪,從而降低網(wǎng)絡(luò)復(fù)雜度,并可在一定程度上防止過擬合。20 世紀(jì)末,CUN 等[3]和HASSIBI等[4]先后提出最優(yōu)腦損傷(Optimal Brain Damage,OBD)和最優(yōu)腦外科(Optimal Brain Surgeon,OBS)的參數(shù)剪枝方法,利用網(wǎng)絡(luò)的二階導(dǎo)數(shù)信息衡量參數(shù)的冗余性,從而對網(wǎng)絡(luò)進(jìn)行修剪。2015 年,韓松等[5]提出了一種基于低權(quán)值連接的剪枝方法,對網(wǎng)絡(luò)中權(quán)值較小的參數(shù)進(jìn)行修剪,將原始的稠密網(wǎng)絡(luò)變得稀疏。但這種非結(jié)構(gòu)化的剪枝方式不會帶來顯著的加速,LI 等[6]、LEBEDEV 等[7]通過對冗余濾波器進(jìn)行裁剪,研究了結(jié)構(gòu)化的參數(shù)剪枝方法。2017 年,LIU 等[8]提出了一種網(wǎng)絡(luò)瘦身(Network Slimming)方法,利用BN 層的縮放因子,結(jié)合正則化稀疏約束對網(wǎng)絡(luò)中不重要的通道進(jìn)行裁剪。權(quán)值量化的主要思想是用較低的比特位表示模型實(shí)際的浮點(diǎn)型權(quán)值,通過減少網(wǎng)絡(luò)參數(shù)的存儲量,實(shí)現(xiàn)模型加速和壓縮。GUPTA 等[9]使用16 位定點(diǎn)數(shù)表示CNN 訓(xùn)練過程中的參數(shù),不僅顯著減少了內(nèi)存使用和浮點(diǎn)運(yùn)算量,且?guī)缀鯇Ψ诸惥葲]有損失。

    為了進(jìn)一步壓縮權(quán)重,二元[10]、三元[11]權(quán)值網(wǎng)絡(luò)被提出,通過在訓(xùn)練過程中學(xué)習(xí)低比特權(quán)值或激活,大幅壓縮網(wǎng)絡(luò)規(guī)模。低秩分解法采用張量或矩陣分解技術(shù),將原始卷積核拆解為多個(gè)小卷積核的乘積,從而降低網(wǎng)絡(luò)運(yùn)算量和參數(shù)規(guī)模。緊性卷積核設(shè)計(jì)法從網(wǎng)絡(luò)結(jié)構(gòu)出發(fā),通過設(shè)計(jì)更精簡的網(wǎng)絡(luò)模 塊,如SqueezeNet[12]、ShuffleNet[13]等,有效減 小模型尺寸。2015 年,HINTON 等[14]提出了知識蒸餾的概念,從高性能復(fù)雜網(wǎng)絡(luò)中學(xué)習(xí)有用信息來指導(dǎo)簡單網(wǎng)絡(luò)的訓(xùn)練,在保證性能相差不大的情況下實(shí)現(xiàn)模型壓縮。

    上述方法可不同程度地減小原始網(wǎng)絡(luò)規(guī)模,但也帶來了精度的下降。為了改善精度損傷的問題,本文提出一種基于知識蒸餾的剪枝壓縮改進(jìn)方法。該方法將參數(shù)剪枝與知識蒸餾技術(shù)相結(jié)合,先對網(wǎng)絡(luò)進(jìn)行混合參數(shù)剪枝以刪除冗余信息,再用剪枝前網(wǎng)絡(luò)指導(dǎo)剪枝后網(wǎng)絡(luò)的再訓(xùn)練過程,以提升后者的性能。以遙感圖像分類任務(wù)為例,在遙感數(shù)據(jù)集上對VGG-16 網(wǎng)絡(luò)進(jìn)行壓縮,在網(wǎng)絡(luò)精度損傷不大的情況下,可實(shí)現(xiàn)16~18 倍的壓縮效果。

    1 基于混合參數(shù)剪枝的卷積神經(jīng)網(wǎng)絡(luò)壓縮方法

    1.1 方法介紹

    參數(shù)剪枝主要有兩種途徑:一種針對通道剪枝;一種針對權(quán)重剪枝。為了降低網(wǎng)絡(luò)參數(shù)的冗余度,可將兩種剪枝方法結(jié)合應(yīng)用,其主要技術(shù)路線如圖1所示[15]。

    圖1 混合參數(shù)剪枝Fig.1 Hybrid parameter pruning

    首先對網(wǎng)絡(luò)進(jìn)行通道剪枝,實(shí)現(xiàn)模型的初步壓縮,并對網(wǎng)絡(luò)再訓(xùn)練以恢復(fù)損傷的精度。其次,在通道剪枝的基礎(chǔ)上再進(jìn)行權(quán)重剪枝,以進(jìn)一步壓縮網(wǎng)絡(luò)的參數(shù)規(guī)模。

    1.2 基于通道的參數(shù)剪枝

    通道剪枝是一種結(jié)構(gòu)化的參數(shù)剪枝方式,通過剪去網(wǎng)絡(luò)中冗余的通道,即對網(wǎng)絡(luò)貢獻(xiàn)度較小的單個(gè)濾波器,實(shí)現(xiàn)對模型的壓縮,如圖2 所示。

    圖2 通道剪枝前后Fig.2 Before and after channel pruning

    該方法可分為3 個(gè)步驟:訓(xùn)練網(wǎng)絡(luò)→裁剪冗余的通道→網(wǎng)絡(luò)再訓(xùn)練。

    如圖3 所示,Xi為第i卷積層的輸入特征圖,Xi+1為輸出特征圖,每個(gè)卷積層有ni×ni+1個(gè)二維的卷積核Fi,j,其中,ni和ni+1分別表示輸入、輸出特征圖的維度。

    圖3 修剪一個(gè)濾波器會導(dǎo)致在下一層中刪除其相應(yīng)的特征圖和相關(guān)的內(nèi)核Fig.3 Trimming a filter causes its corresponding feature map and associated kernel to be deleted in the next layer

    首先評估通道的重要性,通過計(jì)算單個(gè)濾波器的L1范數(shù),即其絕對權(quán)重之和來衡量每個(gè)層中濾波器的相對重要性。與層中其他濾波器相比,具有較小內(nèi)核權(quán)重和的濾波器傾向于產(chǎn)生具有弱激活的特征映射。從第i個(gè)卷積層中修剪m個(gè)濾波器的步驟如下:

    步驟1對于每個(gè)濾波器Fi,j,計(jì)算其權(quán)重絕對值的總和。

    步驟2按sj對濾波器進(jìn)行排序。

    步驟3剪去具有最小和值的m個(gè)濾波器及其對應(yīng)的特征映射,下一個(gè)卷積層中與被修剪的特征映射相對應(yīng)的內(nèi)核也被刪除。

    步驟4第i層和第i+1 層創(chuàng)建新的內(nèi)核矩陣,并將剩余的內(nèi)核權(quán)重復(fù)制到新模型。

    網(wǎng)絡(luò)中不同卷積層對修剪的敏感度不同,通過逐層修剪并在測試集上評估剪枝網(wǎng)絡(luò)的精度,可以判斷各層對剪枝的敏感性,并確定每一卷積層通道剪枝的比例。

    1.3 基于權(quán)重的參數(shù)剪枝

    對網(wǎng)絡(luò)進(jìn)行通道剪枝后,得到較小規(guī)模的新網(wǎng)絡(luò),再訓(xùn)練使其恢復(fù)精度。將小規(guī)模新網(wǎng)絡(luò)的參數(shù)按照權(quán)值大小進(jìn)行排序,權(quán)重越小代表其對網(wǎng)絡(luò)的最終貢獻(xiàn)越小。

    通過刪除權(quán)重小于指定閾值的連接,減少模型的參數(shù)量,如圖4 所示。

    圖4 權(quán)重剪枝前后,網(wǎng)絡(luò)由稠密變得稀疏Fig.4 Before and after weight pruning,the network becomes sparse from dense

    該方法仍然遵循“訓(xùn)練網(wǎng)絡(luò)→剪枝→再訓(xùn)練”的3 個(gè)步驟,剪枝的具體操作是將低于某一閾值的參數(shù)置零,再訓(xùn)練過程中已經(jīng)被剪掉的參數(shù)將保持零值,不再進(jìn)行參數(shù)更新。網(wǎng)絡(luò)中不同層參數(shù)對剪枝的敏感度是不同的。由于網(wǎng)絡(luò)的計(jì)算量主要集中在卷積層,通常卷積層比全連接層對參數(shù)剪枝更敏感?;诖?,應(yīng)仔細(xì)衡量每一層參數(shù)的剪枝比例,以獲得最優(yōu)的壓縮效果。

    2 基于知識蒸餾的剪枝壓縮改進(jìn)方法

    由于上述混合參數(shù)剪枝方法會帶來精度下降,因此本文提出了一種基于知識蒸餾的剪枝壓縮改進(jìn)方法,將知識蒸餾技術(shù)融合到混合參數(shù)剪枝中,通過再訓(xùn)練過程中的知識傳遞可以減少剪枝后的精度損失。具體步驟如圖5 所示。

    知識蒸餾法的主要思想是用大型復(fù)雜模型學(xué)習(xí)到的知識指導(dǎo)簡單網(wǎng)絡(luò)的訓(xùn)練,從而提升后者的表現(xiàn)。此時(shí),復(fù)雜模型可以看作是“教師”,待訓(xùn)練的簡單模型為“學(xué)生”。通過網(wǎng)絡(luò)間的知識傳遞,使簡單模型重現(xiàn)復(fù)雜模型的輸出結(jié)果,達(dá)到規(guī)模壓縮的目的。

    神經(jīng)網(wǎng)絡(luò)學(xué)到的知識將輸入數(shù)據(jù)映射為輸出結(jié)果,對于處理分類任務(wù)的網(wǎng)絡(luò),其訓(xùn)練目標(biāo)是將正確輸出結(jié)果的概率最大化。但這種訓(xùn)練方式為每個(gè)錯(cuò)誤結(jié)果也分配了概率,這些錯(cuò)誤概率展示了網(wǎng)絡(luò)進(jìn)行分類判斷的“思路”。神經(jīng)網(wǎng)絡(luò)通常使用Softmax 輸出層得到分類概率,函數(shù)定義如下:

    圖5 基于知識蒸餾的剪枝壓縮改進(jìn)方法Fig.5 Improved pruning compression method based on knowledge distillation

    式中:zi為復(fù)雜模型分類結(jié)果的輸出值;i為類別索引;j為類別總數(shù);qi為由Softmax 函數(shù)計(jì)算得到的分類概率;T為溫度,是一個(gè)可調(diào)節(jié)的超參數(shù),通常為1,T值越大,類別的概率分布就越“軟”,即更加均勻平和。

    知識蒸餾法通過調(diào)整網(wǎng)絡(luò)再訓(xùn)練過程中的損失函數(shù),進(jìn)行網(wǎng)絡(luò)間的知識傳遞。訓(xùn)練小模型時(shí),損失函數(shù)由兩部分組成:第1 項(xiàng)是包含“軟目標(biāo)”的交叉熵函數(shù),其目的是使小模型向經(jīng)過蒸餾的復(fù)雜模型的輸出結(jié)果優(yōu)化;第2 項(xiàng)是由小模型輸出的結(jié)果與正確標(biāo)簽的差值計(jì)算得出的交叉熵函數(shù),這與傳統(tǒng)的訓(xùn)練過程相同,目的是使小模型向真實(shí)的標(biāo)簽值進(jìn)行優(yōu)化。損失函數(shù)的公式[16]為

    式中:Lsoft、Lhard分別為優(yōu)化方向?yàn)椤败浤繕?biāo)”和正確標(biāo)簽的交叉熵函數(shù);α為損失函數(shù)的權(quán)重系數(shù),α=0 時(shí)對應(yīng)于不使用知識蒸餾法進(jìn)行訓(xùn)練的情況。

    以混合參數(shù)剪枝前的網(wǎng)絡(luò)為“教師”,剪枝后的網(wǎng)絡(luò)為“學(xué)生”,采用知識蒸餾法對網(wǎng)絡(luò)進(jìn)行再訓(xùn)練。相比于傳統(tǒng)再訓(xùn)練方式,知識蒸餾法能獲得更優(yōu)的再訓(xùn)練效果,改善網(wǎng)絡(luò)性能。

    3 實(shí)驗(yàn)驗(yàn)證

    3.1 基于混合參數(shù)剪枝的卷積神經(jīng)網(wǎng)絡(luò)壓縮方法

    以遙感圖像分類任務(wù)為例,分別在兩個(gè)公開的遙感數(shù)據(jù)集NWPU-RESISC45 和UC Merced Land-Use 上對VGG-16 網(wǎng)絡(luò)進(jìn)行壓縮實(shí)驗(yàn)。NW?PU-RESISC45 數(shù)據(jù)集由西北工業(yè)大學(xué)研究團(tuán)隊(duì)于2017 年提出,包含飛機(jī)、港口、教堂等45 個(gè)不同的場景類別,每個(gè)場景中分別有700 幅256×256 的RGB圖像,大部分測試圖像的空間分辨率能達(dá)到每個(gè)像素0.2 m。UC Merced Land-Use 數(shù)據(jù)集是由美國國家地質(zhì)調(diào)查局航空拍攝的正射影像,包含棒球場、海灘、十字路口等21 個(gè)不同的場景類別,每個(gè)場景包含100 幅256×256 的RGB 圖像,圖像的空間分辨率為每個(gè)像素0.3 m。實(shí)驗(yàn)時(shí)選取數(shù)據(jù)集中20%的圖像作為訓(xùn)練集,剩余圖像作為測試集,觀察剪枝前后VGG-16 網(wǎng)絡(luò)的分類表現(xiàn)。

    首先對VGG-16 網(wǎng)絡(luò)進(jìn)行基于通道的參數(shù)剪枝,由于每一卷積層對剪枝的敏感性不同,需要先對單層修剪濾波器以判斷每個(gè)卷積層對修剪的敏感度,從而設(shè)置恰當(dāng)?shù)耐ǖ兰糁Ρ壤?。?shí)驗(yàn)結(jié)果如圖6 和圖7 所示。由實(shí)驗(yàn)結(jié)果可知,在不同的數(shù)據(jù)集上,卷積層對通道剪枝的敏感性是相似的。第7卷積層對剪枝最敏感,第1 卷積層對剪枝最不敏感。在本次實(shí)驗(yàn)中,對訓(xùn)練好的VGG-16 網(wǎng)絡(luò)的第7 卷積層剪去25%的濾波器,對剩余卷積層均剪去50%的濾波器。

    圖6 在NWPU-RESISC45 數(shù)據(jù)集上,不同卷積層對通道剪枝的敏感性Fig.6 Sensitivity of different convolutional layers to channel pruning on the NWPU-RESISC45 dataset

    圖7 在UC Merced Land-Use 數(shù)據(jù)集上,不同卷積層對通道剪枝的敏感性Fig.7 Sensitivity of different convolutional layers to channel pruning on the UC Merced Land-Use dataset

    對通道剪枝后的網(wǎng)絡(luò)進(jìn)行再訓(xùn)練,使其恢復(fù)精度。接下來對網(wǎng)絡(luò)進(jìn)行基于權(quán)重的參數(shù)剪枝,以進(jìn)一步減少冗余參數(shù)。首先對全連接層90%的參數(shù)進(jìn)行剪枝,經(jīng)過再訓(xùn)練,網(wǎng)絡(luò)分類精度損傷不大,這說明剪掉的90%全連接層參數(shù)中大部分是冗余的。在此基礎(chǔ)上,對卷積層參數(shù)進(jìn)行剪枝,并逐漸增大卷積層參數(shù)的剪枝比例。在遙感數(shù)據(jù)集上對VGG-16 網(wǎng)絡(luò)進(jìn)行混合參數(shù)剪枝,實(shí)驗(yàn)結(jié)果見表1。

    由表1 數(shù)據(jù)可知,對VGG-16 網(wǎng)絡(luò)進(jìn)行混合剪枝,網(wǎng)絡(luò)精度下降1%左右時(shí),能移除93%左右的參數(shù)。這說明通過合理調(diào)整卷積層通道剪枝比例和通道剪枝后網(wǎng)絡(luò)的權(quán)重剪枝比例,可以裁剪掉網(wǎng)絡(luò)中的大部分冗余參數(shù)。

    表1 混合參數(shù)剪枝前后網(wǎng)絡(luò)對比Tab.1 Network comparison before and after hybrid parameter pruning

    3.2 基于知識蒸餾的剪枝壓縮改進(jìn)方法

    在NWPU-RESISC45 數(shù)據(jù)集上,參數(shù)剪枝前VGG-16 網(wǎng)絡(luò)的分類精度為89.69%。經(jīng)混合參數(shù)剪枝剪去網(wǎng)絡(luò)中93.92%的參數(shù)后,按普通方式對網(wǎng)絡(luò)進(jìn)行再訓(xùn)練,最終分類精度為88.53%,相比于剪枝前,性能下降了1.16%。為了使再訓(xùn)練后網(wǎng)絡(luò)性能損失不超過1%,使用知識蒸餾方式學(xué)習(xí)剪枝前網(wǎng)絡(luò)的有用信息。

    通過調(diào)整Softmax 函數(shù)中參數(shù)α、T的值,可獲得不同的知識蒸餾效果。網(wǎng)絡(luò)再訓(xùn)練后的分類精度見表2。由表2 可見,采用知識蒸餾法訓(xùn)練的網(wǎng)絡(luò)比普通訓(xùn)練方式得到的網(wǎng)絡(luò)性能更好,這說明原始網(wǎng)絡(luò)的分類結(jié)果對小網(wǎng)絡(luò)的訓(xùn)練起到了正向的指導(dǎo)作用,提升了小網(wǎng)絡(luò)的表現(xiàn)。當(dāng)α=0.8、T=5 時(shí),對剪枝后的VGG-16 網(wǎng)絡(luò)重新訓(xùn)練,其精度可達(dá)到89.63%;相比于剪枝前,性能只下降了0.06%。

    如圖8 所示,繪制剪枝后網(wǎng)絡(luò)再訓(xùn)練過程中的精度變化曲線,紅線代表α=0.8、T=5 時(shí)使用知識蒸餾方法訓(xùn)練,藍(lán)線代表普通訓(xùn)練方式。由曲線趨勢可見,在相同迭代次數(shù)時(shí),知識蒸餾法訓(xùn)練的網(wǎng)絡(luò)性能有微弱的優(yōu)勢,最終分類精度比普通訓(xùn)練方式提升了1 個(gè)百分點(diǎn)。

    表2 在NWPU-RESISC45 數(shù)據(jù)集上,剪枝93.92%的參數(shù),知識蒸餾效果Tab.2 Knowledge distillation effect on the NWPURESISC45 dataset,pruning 93.92% of the parameters

    圖8 在NWPU-RESISC45 數(shù)據(jù)集上,網(wǎng)絡(luò)再訓(xùn)練過程中精度變化曲線Fig.8 Accuracy curves during network retraining on the NWPU-RESISC45 dataset

    在UC Merced Land-Use 數(shù)據(jù)集上,參數(shù)剪枝前VGG-16 網(wǎng)絡(luò)的分類精度為87.86%。經(jīng)混合剪枝,剪去網(wǎng)絡(luò)中93.78%的參數(shù)后,網(wǎng)絡(luò)性能下降,經(jīng)普通方式再訓(xùn)練精度可恢復(fù)到86.25%,相比于剪枝前,精度下降了1.61%。

    采用知識蒸餾方式進(jìn)行對剪枝后的網(wǎng)絡(luò)進(jìn)行再訓(xùn)練,訓(xùn)練結(jié)果見表3。

    由實(shí)驗(yàn)結(jié)果可知,采用知識蒸餾方法再訓(xùn)練的網(wǎng)絡(luò)有了更好的性能。當(dāng)α=0.7、T=8 時(shí),重新訓(xùn)練后網(wǎng)絡(luò)的最佳分類精度可達(dá)到87.86%,與剪枝前網(wǎng)絡(luò)的精度相同。當(dāng)α=0.7、T=5 時(shí),再訓(xùn)練后網(wǎng)絡(luò)的最佳精度達(dá)到88.21%,優(yōu)于剪枝前的性能。這表明剪枝后的網(wǎng)絡(luò)接收到了原始模型學(xué)到的“知識”,在“教師”網(wǎng)絡(luò)和有標(biāo)簽數(shù)據(jù)集的共同指導(dǎo)下,呈現(xiàn)出了更好的表現(xiàn)。

    表3 在UC Merced Land-Use 數(shù)據(jù)集上,剪枝93.78%的參數(shù),知識蒸餾效果Tab.3 Knowledge distillation effect on the UC Merced Land-Use dataset,pruning 93.78% of the parameters

    如圖9 所示,繪制在UC Merced Land-Use 數(shù)據(jù)集上,剪枝后網(wǎng)絡(luò)再訓(xùn)練過程中的精度變化曲線。圖9 中,紅線代表α=0.7、T=5 時(shí)使用知識蒸餾方法訓(xùn)練,藍(lán)線代表普通訓(xùn)練方式。由圖可知,在相同迭代次數(shù)時(shí),知識蒸餾法訓(xùn)練的網(wǎng)絡(luò)性能優(yōu)于普通訓(xùn)練方式,在訓(xùn)練20 個(gè)epoch 后,知識蒸餾法訓(xùn)練的網(wǎng)絡(luò)就達(dá)到了最高精度,所需迭代次數(shù)更少。

    圖9 在UC Merced Land-Use 數(shù)據(jù)集上,網(wǎng)絡(luò)再訓(xùn)練過程中精度變化曲線Fig.9 Accuracy curves during network retraining on the UC Merced Land-Use dataset

    由以上實(shí)驗(yàn)結(jié)果可知,在遙感數(shù)據(jù)集上對VGG-16 網(wǎng)絡(luò)進(jìn)行實(shí)驗(yàn),基于知識蒸餾的剪枝壓縮改進(jìn)方法可在網(wǎng)絡(luò)精度下降不到1%的條件下,移除93%~94% 的參數(shù)量,實(shí)現(xiàn)16~18 倍的壓縮效果。在知識蒸餾過程中,當(dāng)選擇恰當(dāng)?shù)膮?shù)值時(shí),剪枝后網(wǎng)絡(luò)還可能獲得優(yōu)于原始網(wǎng)絡(luò)的性能。

    3.3 網(wǎng)絡(luò)壓縮前后性能對比

    在NWPU-RESISC45 數(shù)據(jù)集上訓(xùn)練VGG-16網(wǎng)絡(luò),比較網(wǎng)絡(luò)壓縮前后的性能變化,結(jié)果如圖10所示。其中,Network Slimming 是LIU 等[8]于2017年提出的基于正則化和BN 層縮放因子的通道剪枝方法。取剪枝并再訓(xùn)練后網(wǎng)絡(luò)精度下降不足1%的模型,對其參數(shù)量、浮點(diǎn)運(yùn)算數(shù)(FLOPs)、內(nèi)存讀寫開銷三個(gè)維度進(jìn)行比較??梢钥闯鼋?jīng)剪枝后,Net?work Slimming 方法的FLOPs 顯著下降,而本文方法在減少參數(shù)量和內(nèi)存讀寫開銷上更有優(yōu)勢。這是由于網(wǎng)絡(luò)運(yùn)算量主要集中在卷積層,參數(shù)量集中在全連接層。對比模型中,Network Slimming 減去了約70%的卷積層,而本文方法只減去不足50%的冗余通道。通過多次進(jìn)行剪枝和微調(diào),本文方法有望進(jìn)一步減少冗余通道數(shù)和FLOPs。

    圖10 網(wǎng)絡(luò)壓縮前后性能變化Fig.10 Performance changes before and after network compression

    4 結(jié)束語

    本文針對卷積神經(jīng)網(wǎng)絡(luò)規(guī)模龐大、難以在軌應(yīng)用的問題,對深度神經(jīng)網(wǎng)絡(luò)壓縮方法進(jìn)行研究,提出了一種基于知識蒸餾的剪枝壓縮改進(jìn)方法。在遙感圖像分類任務(wù)中,該方法對VGG-16 網(wǎng)絡(luò)實(shí)現(xiàn)了16~18 倍的壓縮效果,并帶來了運(yùn)算量、內(nèi)存讀寫開銷的下降,且精度損失不到1%。本文提出的方法可擴(kuò)展到其他深度神經(jīng)網(wǎng)絡(luò)上,如殘差網(wǎng)絡(luò)、Inception 網(wǎng)絡(luò)等,但在進(jìn)行混合參數(shù)剪枝時(shí)需要根據(jù)網(wǎng)絡(luò)的結(jié)構(gòu)調(diào)整剪枝策略,以獲得理想的壓縮效果。此外,由于參數(shù)剪枝引入了不規(guī)則稀疏性,在網(wǎng)絡(luò)計(jì)算過程中不會帶來顯著的加速。因此,后續(xù)可進(jìn)行稀疏網(wǎng)絡(luò)運(yùn)算加速方面的研究,以滿足實(shí)時(shí)性要求。

    猜你喜歡
    剪枝集上濾波器
    基于無擾濾波器和AED-ADT的無擾切換控制
    人到晚年宜“剪枝”
    基于YOLOv4-Tiny模型剪枝算法
    Cookie-Cutter集上的Gibbs測度
    鏈完備偏序集上廣義向量均衡問題解映射的保序性
    從濾波器理解卷積
    電子制作(2019年11期)2019-07-04 00:34:38
    開關(guān)電源EMI濾波器的應(yīng)用方法探討
    電子制作(2018年16期)2018-09-26 03:26:50
    復(fù)扇形指標(biāo)集上的分布混沌
    剪枝
    天津詩人(2017年2期)2017-03-16 03:09:39
    基于TMS320C6678的SAR方位向預(yù)濾波器的并行實(shí)現(xiàn)
    亚洲精品乱久久久久久| 欧美日韩亚洲国产一区二区在线观看 | 久久狼人影院| 久久精品久久久久久久性| 美女国产高潮福利片在线看| 热re99久久国产66热| 我的亚洲天堂| 欧美精品av麻豆av| 亚洲综合色惰| 精品一区二区三区四区五区乱码 | 美女xxoo啪啪120秒动态图| 最近最新中文字幕免费大全7| 亚洲精品aⅴ在线观看| 久久国产精品大桥未久av| 91精品三级在线观看| 成人午夜精彩视频在线观看| 涩涩av久久男人的天堂| 少妇熟女欧美另类| 国产 精品1| av女优亚洲男人天堂| 男人爽女人下面视频在线观看| 热99国产精品久久久久久7| 免费久久久久久久精品成人欧美视频| 边亲边吃奶的免费视频| av.在线天堂| 最近中文字幕2019免费版| 精品国产露脸久久av麻豆| 亚洲成色77777| 色94色欧美一区二区| 欧美97在线视频| 亚洲精品成人av观看孕妇| www日本在线高清视频| 国产老妇伦熟女老妇高清| 一本久久精品| 国语对白做爰xxxⅹ性视频网站| 女人精品久久久久毛片| 毛片一级片免费看久久久久| 一区二区三区乱码不卡18| 丝袜喷水一区| 欧美激情高清一区二区三区 | 韩国av在线不卡| 在现免费观看毛片| 高清欧美精品videossex| 国产精品久久久久成人av| 国产在视频线精品| 欧美人与性动交α欧美软件| 不卡av一区二区三区| 国产成人aa在线观看| 亚洲综合精品二区| 我要看黄色一级片免费的| 又黄又粗又硬又大视频| 老司机影院成人| 女性被躁到高潮视频| 国产精品熟女久久久久浪| 欧美日韩国产mv在线观看视频| 毛片一级片免费看久久久久| 亚洲国产欧美网| 99九九在线精品视频| 天天躁日日躁夜夜躁夜夜| 欧美人与性动交α欧美软件| 一本久久精品| 国产老妇伦熟女老妇高清| 亚洲欧美精品综合一区二区三区 | 老熟女久久久| 天天躁夜夜躁狠狠躁躁| 欧美日韩亚洲高清精品| www.自偷自拍.com| 久久精品国产亚洲av天美| 国产乱人偷精品视频| 久久久久久久亚洲中文字幕| 久久狼人影院| 免费看不卡的av| 成年人免费黄色播放视频| 美女高潮到喷水免费观看| 99精国产麻豆久久婷婷| 日韩av不卡免费在线播放| 亚洲av中文av极速乱| 日本色播在线视频| 欧美日韩一级在线毛片| 国产欧美日韩综合在线一区二区| av片东京热男人的天堂| 桃花免费在线播放| 亚洲av成人精品一二三区| 免费不卡的大黄色大毛片视频在线观看| 爱豆传媒免费全集在线观看| 日韩大片免费观看网站| 欧美精品国产亚洲| 午夜久久久在线观看| av一本久久久久| 青青草视频在线视频观看| 成人漫画全彩无遮挡| 久久综合国产亚洲精品| 日本av手机在线免费观看| 国产成人a∨麻豆精品| 精品国产国语对白av| 国产精品嫩草影院av在线观看| 999精品在线视频| 男人舔女人的私密视频| 国产亚洲av片在线观看秒播厂| 国产深夜福利视频在线观看| 国产乱人偷精品视频| 美女午夜性视频免费| kizo精华| 十八禁网站网址无遮挡| 夫妻性生交免费视频一级片| 亚洲精品自拍成人| 日本色播在线视频| 亚洲av成人精品一二三区| 亚洲精品乱久久久久久| 国产精品 欧美亚洲| 色视频在线一区二区三区| 99九九在线精品视频| 五月天丁香电影| 人妻系列 视频| 亚洲国产欧美日韩在线播放| 国产日韩欧美亚洲二区| 精品视频人人做人人爽| 一本一本久久a久久精品综合妖精 国产伦在线观看视频一区 | 国产免费现黄频在线看| 满18在线观看网站| 黄片无遮挡物在线观看| 色婷婷av一区二区三区视频| 色哟哟·www| 亚洲色图综合在线观看| 国产精品免费视频内射| 建设人人有责人人尽责人人享有的| 纯流量卡能插随身wifi吗| 久久国产精品男人的天堂亚洲| 国产毛片在线视频| 久久久久国产网址| 男女免费视频国产| 婷婷色综合大香蕉| 日韩三级伦理在线观看| 亚洲欧洲精品一区二区精品久久久 | 男女无遮挡免费网站观看| 精品酒店卫生间| 久久精品国产亚洲av高清一级| 街头女战士在线观看网站| 国产精品秋霞免费鲁丝片| 一本—道久久a久久精品蜜桃钙片| √禁漫天堂资源中文www| 两个人看的免费小视频| 亚洲国产最新在线播放| 人妻系列 视频| 侵犯人妻中文字幕一二三四区| 亚洲欧美中文字幕日韩二区| 人妻系列 视频| videos熟女内射| 精品视频人人做人人爽| 国产又色又爽无遮挡免| 国产精品.久久久| 国产精品一区二区在线观看99| 成人毛片a级毛片在线播放| 香蕉国产在线看| 大码成人一级视频| 色视频在线一区二区三区| 欧美国产精品va在线观看不卡| 777久久人妻少妇嫩草av网站| 成人二区视频| 国产一区有黄有色的免费视频| 国产精品不卡视频一区二区| 久久久久久久久久久免费av| 亚洲av欧美aⅴ国产| 少妇被粗大猛烈的视频| 久久久久视频综合| xxxhd国产人妻xxx| 亚洲精品日本国产第一区| 韩国高清视频一区二区三区| 精品亚洲成a人片在线观看| 久久av网站| 精品国产露脸久久av麻豆| 一级,二级,三级黄色视频| 日本vs欧美在线观看视频| 久久影院123| 曰老女人黄片| 老熟女久久久| 精品人妻熟女毛片av久久网站| 男女下面插进去视频免费观看| 大香蕉久久成人网| 一级毛片 在线播放| 国产欧美日韩综合在线一区二区| 十分钟在线观看高清视频www| 十八禁网站网址无遮挡| 成人亚洲精品一区在线观看| 1024视频免费在线观看| 日韩成人av中文字幕在线观看| 天天躁日日躁夜夜躁夜夜| 国产片特级美女逼逼视频| 国产成人欧美| 美女午夜性视频免费| 久久久久精品人妻al黑| 久久久久久久久久久久大奶| 一级片免费观看大全| 91精品三级在线观看| 伦精品一区二区三区| 亚洲av欧美aⅴ国产| 国产成人免费观看mmmm| 综合色丁香网| 午夜福利影视在线免费观看| 欧美亚洲日本最大视频资源| 国产又色又爽无遮挡免| 少妇的逼水好多| www.av在线官网国产| 日韩人妻精品一区2区三区| 99热网站在线观看| 亚洲av电影在线观看一区二区三区| 99久国产av精品国产电影| 婷婷成人精品国产| 国产乱人偷精品视频| 亚洲精品美女久久久久99蜜臀 | 欧美精品av麻豆av| 在现免费观看毛片| 婷婷色av中文字幕| 久久精品熟女亚洲av麻豆精品| 人人妻人人澡人人爽人人夜夜| 哪个播放器可以免费观看大片| 欧美国产精品一级二级三级| 女性被躁到高潮视频| 久久久久久久国产电影| 久久毛片免费看一区二区三区| 在线看a的网站| 色婷婷av一区二区三区视频| 久久综合国产亚洲精品| 水蜜桃什么品种好| 天天躁夜夜躁狠狠躁躁| 蜜桃在线观看..| 免费女性裸体啪啪无遮挡网站| av片东京热男人的天堂| 国产成人av激情在线播放| 黄色视频在线播放观看不卡| 久久久久久人妻| 亚洲在久久综合| 人成视频在线观看免费观看| 欧美bdsm另类| 最近中文字幕高清免费大全6| 国产1区2区3区精品| 精品少妇一区二区三区视频日本电影 | 久久鲁丝午夜福利片| 黄色配什么色好看| 国产成人精品久久二区二区91 | 国产成人午夜福利电影在线观看| 成人毛片a级毛片在线播放| 久久这里只有精品19| 男女边吃奶边做爰视频| 卡戴珊不雅视频在线播放| 婷婷成人精品国产| 日韩一区二区视频免费看| 久热这里只有精品99| 久久久国产欧美日韩av| 秋霞在线观看毛片| 精品亚洲成国产av| 看免费成人av毛片| 99香蕉大伊视频| 国产精品一区二区在线不卡| 97精品久久久久久久久久精品| 精品人妻在线不人妻| 2022亚洲国产成人精品| 国产老妇伦熟女老妇高清| 久久精品夜色国产| 国产成人午夜福利电影在线观看| 久久久久久久久久久久大奶| 国产男人的电影天堂91| www日本在线高清视频| 赤兔流量卡办理| 久久免费观看电影| 国产男人的电影天堂91| 亚洲综合精品二区| 伊人久久国产一区二区| 女人久久www免费人成看片| 精品国产乱码久久久久久小说| 丰满乱子伦码专区| 侵犯人妻中文字幕一二三四区| 日韩电影二区| 亚洲成人av在线免费| 精品久久久久久电影网| 啦啦啦视频在线资源免费观看| a级毛片黄视频| 国产成人欧美| 国产精品不卡视频一区二区| 欧美最新免费一区二区三区| 日本午夜av视频| 王馨瑶露胸无遮挡在线观看| 三级国产精品片| 不卡视频在线观看欧美| 日本av免费视频播放| 亚洲情色 制服丝袜| 日韩中文字幕欧美一区二区 | 最近中文字幕高清免费大全6| 激情视频va一区二区三区| 国产精品二区激情视频| 国产精品偷伦视频观看了| 欧美精品av麻豆av| 欧美国产精品va在线观看不卡| 国产亚洲精品第一综合不卡| 久久国产精品大桥未久av| 精品一区二区免费观看| 我的亚洲天堂| 欧美成人午夜精品| 国产伦理片在线播放av一区| 亚洲精品久久久久久婷婷小说| 国产人伦9x9x在线观看 | 欧美xxⅹ黑人| 一本色道久久久久久精品综合| 人妻人人澡人人爽人人| 巨乳人妻的诱惑在线观看| 亚洲欧美精品自产自拍| 各种免费的搞黄视频| 日韩免费高清中文字幕av| 欧美在线黄色| 满18在线观看网站| 亚洲欧洲日产国产| 亚洲精品日本国产第一区| 久久国产精品男人的天堂亚洲| 天堂中文最新版在线下载| 精品一区在线观看国产| 五月天丁香电影| 国产精品香港三级国产av潘金莲 | 五月天丁香电影| 久久国产精品男人的天堂亚洲| 黄频高清免费视频| 亚洲综合色网址| 丰满饥渴人妻一区二区三| 欧美黄色片欧美黄色片| 26uuu在线亚洲综合色| 王馨瑶露胸无遮挡在线观看| 精品一区二区三卡| a级毛片在线看网站| 成人影院久久| 激情视频va一区二区三区| 国产欧美亚洲国产| 日韩制服骚丝袜av| av不卡在线播放| 国产淫语在线视频| 天天躁夜夜躁狠狠久久av| 亚洲精品国产色婷婷电影| 丝袜在线中文字幕| 看十八女毛片水多多多| 亚洲伊人久久精品综合| 99久久综合免费| 十八禁高潮呻吟视频| 午夜福利在线观看免费完整高清在| 十分钟在线观看高清视频www| 婷婷色综合www| 免费少妇av软件| 成人手机av| 9191精品国产免费久久| 国产精品久久久av美女十八| 叶爱在线成人免费视频播放| 免费播放大片免费观看视频在线观看| 精品少妇内射三级| 国产免费又黄又爽又色| freevideosex欧美| 在线观看美女被高潮喷水网站| 啦啦啦啦在线视频资源| 人人妻人人爽人人添夜夜欢视频| 日本av免费视频播放| 青青草视频在线视频观看| 亚洲国产成人一精品久久久| 成年人免费黄色播放视频| 中文字幕人妻熟女乱码| 少妇猛男粗大的猛烈进出视频| 久热久热在线精品观看| 国产一区二区激情短视频 | 波多野结衣一区麻豆| 久久精品国产综合久久久| 一个人免费看片子| 麻豆av在线久日| 一区二区三区四区激情视频| 欧美成人精品欧美一级黄| 五月开心婷婷网| 国产一区亚洲一区在线观看| 亚洲五月色婷婷综合| 成年人免费黄色播放视频| 精品久久久久久电影网| 精品卡一卡二卡四卡免费| 欧美精品高潮呻吟av久久| 只有这里有精品99| 丝袜美足系列| 国产xxxxx性猛交| 大香蕉久久成人网| 亚洲成人手机| 日韩一区二区视频免费看| 观看av在线不卡| 成年人午夜在线观看视频| 亚洲久久久国产精品| 欧美日韩亚洲高清精品| 日韩,欧美,国产一区二区三区| 日本vs欧美在线观看视频| 久久久久精品性色| 久久精品人人爽人人爽视色| av网站在线播放免费| 欧美成人午夜精品| 免费高清在线观看日韩| 欧美日韩亚洲国产一区二区在线观看 | 香蕉国产在线看| 午夜福利视频精品| 国产免费又黄又爽又色| 国产精品偷伦视频观看了| 丰满少妇做爰视频| 国产av一区二区精品久久| 国产熟女午夜一区二区三区| 咕卡用的链子| 免费看不卡的av| 久久这里只有精品19| 亚洲欧美日韩另类电影网站| 叶爱在线成人免费视频播放| 欧美精品av麻豆av| 丁香六月天网| 亚洲精品日韩在线中文字幕| 91精品国产国语对白视频| 国产精品香港三级国产av潘金莲 | 久久人人爽人人片av| 欧美激情极品国产一区二区三区| 人人妻人人澡人人看| a 毛片基地| 九草在线视频观看| √禁漫天堂资源中文www| 九九爱精品视频在线观看| 老鸭窝网址在线观看| 午夜日韩欧美国产| 18+在线观看网站| 亚洲av.av天堂| 人妻系列 视频| 丝袜美腿诱惑在线| 综合色丁香网| 秋霞伦理黄片| 最黄视频免费看| 丝袜脚勾引网站| 成人亚洲精品一区在线观看| 男女边吃奶边做爰视频| 国产深夜福利视频在线观看| av网站免费在线观看视频| 啦啦啦在线免费观看视频4| 久久久久久久亚洲中文字幕| 亚洲精品,欧美精品| 不卡av一区二区三区| 精品少妇黑人巨大在线播放| 成年女人毛片免费观看观看9 | 一级黄片播放器| 波野结衣二区三区在线| 国产激情久久老熟女| 日日啪夜夜爽| 一区二区三区精品91| 99久国产av精品国产电影| 亚洲精品美女久久av网站| www.精华液| 精品亚洲成国产av| 香蕉国产在线看| 夜夜骑夜夜射夜夜干| 精品少妇黑人巨大在线播放| 欧美精品国产亚洲| 精品99又大又爽又粗少妇毛片| 精品国产一区二区三区久久久樱花| 免费不卡的大黄色大毛片视频在线观看| 精品国产国语对白av| 亚洲av中文av极速乱| 国产男人的电影天堂91| 天天躁夜夜躁狠狠躁躁| 国产精品国产三级专区第一集| 午夜91福利影院| 欧美日本中文国产一区发布| 亚洲精品国产色婷婷电影| 天天影视国产精品| 免费播放大片免费观看视频在线观看| 99热全是精品| 亚洲第一区二区三区不卡| 男男h啪啪无遮挡| 老汉色av国产亚洲站长工具| 国产人伦9x9x在线观看 | 亚洲成国产人片在线观看| 999精品在线视频| 1024视频免费在线观看| 欧美国产精品va在线观看不卡| 亚洲av电影在线进入| 亚洲精品久久午夜乱码| 亚洲人成网站在线观看播放| 18禁裸乳无遮挡动漫免费视频| 女的被弄到高潮叫床怎么办| 亚洲精品久久久久久婷婷小说| 女性被躁到高潮视频| 精品国产一区二区三区久久久樱花| 亚洲 欧美一区二区三区| 高清视频免费观看一区二区| 色哟哟·www| 天天躁狠狠躁夜夜躁狠狠躁| 美女国产视频在线观看| 亚洲国产成人一精品久久久| 国产黄频视频在线观看| 少妇熟女欧美另类| 老鸭窝网址在线观看| 婷婷色综合www| 在线天堂最新版资源| 亚洲婷婷狠狠爱综合网| 国产在线视频一区二区| 成人影院久久| h视频一区二区三区| 久久久久国产一级毛片高清牌| 久久久久久久大尺度免费视频| 免费人妻精品一区二区三区视频| 亚洲精品第二区| 久久免费观看电影| 国产 精品1| 久久99一区二区三区| 日韩免费高清中文字幕av| 国产成人精品在线电影| 国产免费视频播放在线视频| 国产在线视频一区二区| 亚洲av电影在线观看一区二区三区| 国产xxxxx性猛交| 日韩中文字幕视频在线看片| 乱人伦中国视频| 国产精品秋霞免费鲁丝片| 如何舔出高潮| 国产黄频视频在线观看| 人妻系列 视频| 国产精品国产三级专区第一集| 老司机亚洲免费影院| 国产熟女欧美一区二区| 天天躁日日躁夜夜躁夜夜| 黑丝袜美女国产一区| 色播在线永久视频| 99香蕉大伊视频| 秋霞在线观看毛片| 超色免费av| 国产精品国产三级国产专区5o| 母亲3免费完整高清在线观看 | 久热这里只有精品99| 高清av免费在线| 日韩欧美一区视频在线观看| 国产激情久久老熟女| 国产淫语在线视频| 欧美中文综合在线视频| 久久婷婷青草| 午夜久久久在线观看| 男人添女人高潮全过程视频| 国产一区亚洲一区在线观看| 在线观看人妻少妇| 最近最新中文字幕免费大全7| 免费黄频网站在线观看国产| 亚洲成国产人片在线观看| 新久久久久国产一级毛片| 桃花免费在线播放| 女人高潮潮喷娇喘18禁视频| 精品一区二区免费观看| av在线老鸭窝| 国产精品三级大全| 午夜免费男女啪啪视频观看| 国产人伦9x9x在线观看 | 男女高潮啪啪啪动态图| 久久婷婷青草| 亚洲欧洲日产国产| 午夜福利一区二区在线看| 国产精品三级大全| 80岁老熟妇乱子伦牲交| 欧美精品av麻豆av| 欧美人与善性xxx| 啦啦啦中文免费视频观看日本| 看免费成人av毛片| 美女福利国产在线| 欧美日韩综合久久久久久| 婷婷色综合www| 亚洲欧美精品自产自拍| 热99国产精品久久久久久7| 亚洲av日韩在线播放| 国产老妇伦熟女老妇高清| 天天操日日干夜夜撸| 在线免费观看不下载黄p国产| 国产极品天堂在线| 三级国产精品片| 制服诱惑二区| 纯流量卡能插随身wifi吗| 国产精品秋霞免费鲁丝片| 亚洲少妇的诱惑av| 日韩中文字幕视频在线看片| 国产淫语在线视频| av一本久久久久| 亚洲男人天堂网一区| 国精品久久久久久国模美| 夫妻性生交免费视频一级片| 午夜福利影视在线免费观看| av.在线天堂| 又黄又粗又硬又大视频| 亚洲国产精品一区二区三区在线| 曰老女人黄片| 汤姆久久久久久久影院中文字幕| 天堂俺去俺来也www色官网| 香蕉国产在线看| 亚洲精品国产av蜜桃| 七月丁香在线播放| 亚洲国产毛片av蜜桃av| 男女边吃奶边做爰视频| 熟女av电影| 日日摸夜夜添夜夜爱| 精品国产露脸久久av麻豆| 美女国产高潮福利片在线看| 日产精品乱码卡一卡2卡三| 欧美 日韩 精品 国产| 亚洲欧洲国产日韩| 久久久国产欧美日韩av| 各种免费的搞黄视频| 欧美在线黄色| 国产精品欧美亚洲77777| 高清视频免费观看一区二区| 91精品伊人久久大香线蕉| 99精国产麻豆久久婷婷| 欧美人与性动交α欧美软件| 天天操日日干夜夜撸| 麻豆精品久久久久久蜜桃| 国产精品国产三级专区第一集| 国产精品久久久久久久久免| 极品人妻少妇av视频| 国产日韩欧美在线精品| 国产高清国产精品国产三级| 精品少妇黑人巨大在线播放| 在线观看免费高清a一片|