基于K-Means聚类的改进模型压缩算法
作者:杨克义; 包良奇; 赵俊; 聂晓
更新时间:
为了使神经网络模型具有更好的性能,神经网络模型被构建得越来越深、越来越大,其复杂性、参数数量和功耗也随之增加,这阻碍了深度学习在移动终端上的应用发展。为了压缩网络模型的大小,实现移动终端的工程应用,本文提出了一种基于K均值聚类的模型压缩算法。该算法对alpine参数进行分层聚类,建立层间索引完成参数共享,实现模型压缩,然后对网络模型进行恢复和训练,得到性能最佳的网络模型。实验结果表明,当k=30时,该网络模型在移动终端上具有良好的性能,能够满足工程应用的需要。