【SqueezeNet】SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5MB model size
来源:互联网 发布:淘宝卖家怎样实名认证 编辑:程序博客网 时间:2024/05/21 19:34
基本情况
这篇是ICLR 2017(2016年上传到arxiv)的文章.主要针对模型压缩的.使用的是分类网络中的AlenNet为代表.
Abstract
目前很多方法都是只关注精度的,但是在同等精度的情况下,小的模型很多优点,比如:(1)训练等更快(2)在部署时更少的带宽要求,例如自动驾驶汽车(3)可以部署到FPGA等.正是由于有这些优点,本文提出了一种小的CNN架构,SqueezeNet.实现了AlexNet模型参数减少了50倍.在受用模型压缩技术情况下,可以做到减少510倍参数,只有0.5MB的模型大小.
Related work
模型压缩方面:本文工作的首要目标是确认一个模型,保证精度的情况下使用很少的参数.目前已经有许多模型压缩的方法了:SVD;设置阈值的方法;Deep Compression等.
CNN网络模块方面:目前有Inception modules等.
CNN网络架构方面:目前有bypass connections等.
SqueezeNet: 保持精度减少参数
本文针对保持精度减少参数提出了三个策略:(1)使用1x1filters来代替3x3filters(2)减少3x3filters的输入通道数(3)推迟下采样,保证网络有大的activation maps.很容易看出来,(1)(2)是为了减少参数的,而(3)是为了在限制的参数数量条件下提高精度的.
针对(1)(2)本文提出了一种网络模块Fire Module.
针对(3),本文对Fire Module进行了组合,创建了SqueezeNet.
Evaluation of SqueezeNet
这部分做了本文提出的性能与其他方法的比较.
CNN exploration
这一部分来分析Fire Module中超参数的合适取值,来保证准确率.
接着实验说明了bypass结构的使用对结果的影响.
相关资源
- 项目主页: https://github.com/DeepScale/SqueezeNet
- 【SqueezeNet】SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5MB model size
- SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5MB model size
- 笔记:SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <1MB model size
- SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <1MB model size阅读笔记
- SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <1MB model size阅读笔记
- SqueezeNet: Alexnet-level accuracy whith 50x Fewer Parameters And < 0.5MB Model Size
- 论文笔记-SqueezeNet: Alexnet-level accuracy whith 50x Fewer Parameters And < 0.5MB Model Size
- 从AlexNet到squeezenet
- SqueezeNet
- SQUEEZENET
- SqueezeNet、GoogLenet
- CNN经典模型整理Lenet,Alexnet,Googlenet,VGG,Deep Residual Learning,squeezenet
- 卷积神经网络CNN经典模型整理Lenet,Alexnet,Googlenet,VGG,Deep Residual Learning,squeezenet
- 论文笔记:SqueezeNet
- SqueezeNet论文笔记
- SqueezeNet网络的OHEM
- SqueezeNet网络原理
- SqueezeNet模型详解
- 关于Oracle中exists和in的区别
- windows常用cmd命令大全
- 【Java 6】Invocation of init method failed
- linux删除大量文件(十几G)
- Jenkins邮件的配置
- 【SqueezeNet】SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5MB model size
- css3 transition, animation区别和使用场景
- const和define区别 static
- fopen 与 fopen_s比较
- pymysql 1146-table doesn't exit的问题
- Tomcat下使用Log4j,按日期每天存放,解决catalina.out日志文件过大问题
- PHP exec()函数的介绍和使用DEMO
- MongoDB学习记录08-复制(副本集)
- php常用探针