一种基于强化学习的深度神经网络压缩方法
基本信息
| 申请号 | CN201910978856.9 | 申请日 | - |
| 公开（公告）号 | CN110728361B | 公开（公告）日 | 2022-05-13 |
| 申请公布号 | CN110728361B | 申请公布日 | 2022-05-13 |
| 分类号 | G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06V10/764（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 胡章一;彭凝多;唐博 | 申请（专利权）人 | 四川虹微技术有限公司 |
| 代理机构 | 四川省成都市天策商标专利事务所（有限合伙） | 代理人 | - |
| 地址 | 610000四川省成都市中国（四川）自由贸易试验区成都高新区天府四街199号1栋33层 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于强化学习的深度神经网络压缩方法，步骤S100：基于已训练完成的卷积神经网络，训练强化学习智能体，所述强化学习智能体用于识别网络稀疏性，采用压缩方法对模型进行压缩；步骤S200：对压缩后的模型再次训练，对模型的参数进行优化，得到最终压缩模型。本发明将庞大而复杂的深度神经网络模型压缩，使压缩后的模型能够在智能家居设备等硬件资源有限的平台上运行，相较于原模型，压缩后的模型不仅存储空间和运算量需求大幅减少，同时模型性能仍保持在原有水平，有助于实现图像识别技术在日常生活中的广泛应用，对提高生活的便利性和安全性。 |
