ニューラルネットワーク圧縮のためのランダムチャネル枝刈りの再検討【JST・京大機械翻訳】

Li Yawei; Adamczewski Kamil; Li Wen; Gu Shuhang; Timofte Radu; Van Gool Luc

プレプリント

J-GLOBAL ID：202202210428992090 整理番号：22P0348763

ニューラルネットワーク圧縮のためのランダムチャネル枝刈りの再検討【JST・京大機械翻訳】

Revisiting Random Channel Pruning for Neural Network Compression

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年05月11日プレプリントサーバーでの情報更新日： 2022年05月11日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

チャネル(または3Dフィルタ)剪定は,ニューラルネットワークの推論を加速する効果的な方法として役立つ。この実用的問題を解決する試みを試みているアルゴリズムには,それぞれ,いくつかの方法で有効と主張されている。しかし,それらのアルゴリズムを直接比較するベンチマークは,主に,アルゴリズムの複雑性と特定のネットワーク構成や訓練手順のようないくつかのカスタム設定のため,不足している。チャネル剪定のさらなる開発には,公正なベンチマークが重要である。一方,最近の研究により,枝刈りアルゴリズムによって発見されたチャネル構成は,事前訓練重みと同様に少なくとも重要であることが明らかになった。これは,チャネル枝刈りを新しい役割,すなわち,最適チャネル構成の探索を与える。本論文では,ランダム探索により枝刈りモデルのチャネル構成を決定することを試みた。提案した手法は,異なる方法,すなわち,ランダム剪定と比較してよく振舞う方法を比較する新しい方法を提供する。この単純な戦略は,他のチャネル剪定法と比較して非常に良く機能することを示した。また,この設定の下では,異なるチャネル重要度評価手法の間に明確な勝者がなく,次に,先進的チャネル構成探索法への研究努力を傾けるかもしれないことを示した。【JST・京大機械翻訳】

, , , , , , ,
, , , , 【Automatic Indexing@JST】

ニューロコンピュータ , 人工知能

, ,

前のページに戻る