自動化構(gòu)建移動端神經(jīng)網(wǎng)絡(luò)的技術(shù)研究
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大?。?span>520 K
標簽： 輕量級神經(jīng)網(wǎng)絡(luò) 卷積 模型約束
所需積分：0分積分不夠怎么辦,？
文檔介紹：深度學習已在視覺、語音,、自然語言等應(yīng)用領(lǐng)域取得巨大成功,，然而隨著網(wǎng)絡(luò)結(jié)構(gòu)日趨復雜,，神經(jīng)網(wǎng)絡(luò)參數(shù)量也迅速增長，設(shè)計網(wǎng)絡(luò)結(jié)構(gòu)和調(diào)節(jié)參數(shù)這一過程需要大量的專業(yè)知識與反復試驗,，成本極高,。此外，由于功耗限制與存儲空間等因素,，移動端設(shè)備上的神經(jīng)網(wǎng)絡(luò)模型規(guī)模受限,。設(shè)計了一種高效的移動端神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索算法，具體包括：(1)設(shè)計了一種在預先給定神經(jīng)網(wǎng)絡(luò)架構(gòu)的情況下可以自動計算模型浮點數(shù)運算次數(shù)的算法,；(2)改進現(xiàn)有的基于梯度的神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索算法,，設(shè)計了一種帶約束的架構(gòu)搜索算法；(3)在神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索過程中加入對浮點數(shù)運算次數(shù)的約束,，通過調(diào)節(jié)約束的強弱搜索到幾種不同的神經(jīng)網(wǎng)絡(luò)架構(gòu),。訓練搜索到的神經(jīng)網(wǎng)絡(luò)，測試其在圖像分類任務(wù)上的性能,，并與工業(yè)界常用的模型相比較,。實驗結(jié)果表明，該方法搜索到的模型能達到目前工業(yè)界主流模型性能,。
現(xiàn)在下載
VIP會員,，AET專家下載不扣分；重復下載不扣分,，本人上傳資源不扣分,。