基于贝叶斯优化的结构化剪枝方法、装置、终端及介质
知识产权简介
将修剪表示为一个优化问题，提出了一种新的目标函数，将模型性能和资源约束（例如精度、累积乘加运算的数量和参数的数量）相结合，通过修剪低影响过滤器及其相应的特征图来提高卷积神经网络运行时推理性能。提出了一种基于贝叶斯优化的方法，将贝叶斯优化与结构化修剪联系起来，从而达到自动确定每个卷积层的最佳过滤器的数量的目的。通过该方法优化加速的卷积神经网络，能够在精度损失忽略不计的情况下，极大程度的降低卷积神经网络的浮点运算，从而使其在边缘设备上得到更广泛的应用。