基于超图模型谱聚类的卷积神经网络卷积核剪枝方法.pdfVIP

下载本文档

6
0
约1.48万字
约 11页
2023-05-15 发布于四川
举报
版权申诉

基于超图模型谱聚类的卷积神经网络卷积核剪枝方法.pdf

1、本文档共11页，其中可免费阅读10页，需付费10金币后方可阅读剩余内容。
2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本申请公开了一种基于超图模型谱聚类的卷积神经网络卷积核剪枝方法、系统、电子设备及存储介质，方法包括：提取目标卷积神经网络的当前卷积层的卷积核集合，并基于该集合生成卷积核特征集合；根据特征集合，构建超图模型，获得超图关联矩阵；根据超图谱聚类算法和预设剪枝率，进行卷积核特征聚类并生成聚类生成卷积核聚类结果；基于卷积核聚类结果对进行剪枝，生成卷积神经网络并进行训练，直至满足目标网络性能；将下一卷积层作为当前卷积层，继续剪枝，直至所有卷积层均完成剪枝，由此，实现了对经典卷积神经网络模型的轻量化，在高剪枝

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114723043 A (43)申请公布日 2022.07.08 (21)申请号 202210334415.7 (22)申请日 2022.03.30 (71)申请人清华大学地址 100084 北京