基于批量归一化层的重要性解耦剪枝策略分析  

Analysis of Importance Decoupling Pruning Strategy Based on Batch Normalization Layer

作　　者：裘孜杰 匡迎春[1] QIU Zijie;KUANG Yingchun(College of Information and Intelligence Science and Technology,Hunan Agriculture University,Hunan 410128,China)

机构地区：[1]湖南农业大学信息与智能科学技术学院,湖南410128

出　　处：《电子技术（上海）》2024年第1期402-404,共3页Electronic Technology

摘　　要：阐述一种通过重要性分析进行解耦的深度学习自动稀疏-剪枝策略,通过重要性判断对神经网络强制进行通道级重要性解耦稀疏训练。该方法准确地解耦冗余通道,最小化剪枝后的精度损失。This paper describes a deep learning automatic sparse pruning strategy that decouples through importance analysis,and forces channel level importance decoupling sparse training on neural networks through importance judgment.This method accurately decouples redundant channels and minimizes accuracy loss after pruning.

关 键 词：智能技术 模型剪枝 模型压缩 结构化剪枝 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]