论文:https://arxiv.org/pdf/1708.06519.pdf
BN层中缩放因子γ与卷积层中的每个通道关联起来。在训练过程中对这些比例因子进行稀疏正则化,以自动识别不重要的通道。缩放因子值较小的通道(橙色)将被修剪(左侧)。剪枝后,获得了紧凑的模型(右侧),然后对其进行微调,以达到与正常训练的全网络相当(甚至更高)的精度。
BN层原理:
归一化化后,BN层服从正态分布,当γ,β趋于0时,经过阈值分离,输出为0,与之连接的卷积层输入为0。
剪枝流程:
剪枝原理:
在BN层网络中加入稀疏因子,训练使得BN层稀疏化,对稀疏训练的后的模型中所有BN层权重进行统计排序,获取指定保留BN层数量即取得排序后权重阈值thres。遍历模型中的BN层权重,制作各层mask(权重>thres值为1,权重
Original: https://blog.csdn.net/m0_37264397/article/details/126157647
Author: HySmiley
Title: 模型压缩(一)通道剪枝-BN层
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/649367/
转载文章受原作者版权保护。转载请注明原作者出处!