• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Artificial Neural Networks >Multi-objective Pruning for CNNs Using Genetic Algorithm
【24h】

Multi-objective Pruning for CNNs Using Genetic Algorithm

机译：使用遗传算法对CNN的多目标修剪

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this work, we propose a heuristic genetic algorithm (GA) for pruning convolutional neural networks (CNNs) according to the multi-objective trade-off among error, computation and sparsity. In our experiments, we apply our approach to prune pre-trained LeNet across the MNIST dataset, which reduces 95.42% parameter size and achieves 16 times speedups of convolutional layer computation with tiny accuracy loss by laying emphasis on sparsity and computation, respectively. Our empirical study suggests that GA is an alternative pruning approach for obtaining a competitive compression performance. Additionally, compared with state-of-the-art approaches, GA can automatically pruning CNNs based on the multi-objective importance by a pre-defined fitness function.
机译：在这项工作中，我们提出了一种引发遗传算法（GA）根据误差，计算和稀疏之间的多目标折衷来修剪卷积神经网络（CNNS）。在我们的实验中，我们将我们的方法应用于MNIST数据集的PRUune预训练的Lenet，这减少了95.42％的参数大小，并通过分别强调稀疏性和计算来实现卷积层计算的16倍的加速。我们的实证研究表明，GA是获得竞争压缩性能的替代修剪方法。另外，与最先进的方法相比，GA可以基于预定定义的健身功能基于多目标重要性自动修剪CNN。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号