深度学习模型压缩方法及产品研究被引量：2

下载PDF

导出

摘要在深度学习部署时面临算力不足的情况须进行模型压缩的背景下,主要研究模型压缩目前正在使用的方法,介绍每种方法背后使用到的算法以及方法组合产生的压缩提升效果,并分析各种方法的利弊。着重介绍市场上已有的几款模型压缩产品,对照已有的模型压缩方法,用来帮助已在线产品实现快速压缩和部署,减少开发及维护成本。

作者陆晔祝涵珂黄海涛

机构地区中国电信股份有限公司上海分公司信息通信技术运营部

出处《电信科学》 2020年第S01期185-192,共8页 Telecommunications Science

关键词深度学习模型压缩剪枝参数共享参数量化

分类号 TN929 [电子电信—通信与信息系统]

引文网络
相关文献

同被引文献28

1韩永华,汪亚明,康锋,赵匀.基于小波多分辨率分解的农田障碍物检测[J].农业机械学报,2013,44(6):215-221. 被引量：11
2孙可,那星,李欣,潘弘,严峻,董知周,张清周,蔡文博,邵丹璐.基于大数据的配电网规划智能辅助决策平台研究与应用[J].供用电,2016,33(11):31-35. 被引量：22
3袁文涛,刘卉,胡书鹏.面向自动导航拖拉机的农田障碍物识别研究[J].农机化研究,2018,40(10):247-251. 被引量：7
4周知,于帅,陈旭.边缘智能:边缘计算与人工智能融合的新范式[J].大数据,2019,5(2):53-63. 被引量：21
5陈昀,蔡晓东,梁晓曦,王萌.权重量化的深度神经网络模型压缩算法[J].西安电子科技大学学报,2019,46(2):132-138. 被引量：9
6刘慧,张礼帅,沈跃,张健,吴边.基于改进SSD的果园行人实时检测方法[J].农业机械学报,2019,50(4):29-35. 被引量：33
7曹欣,李战明,胡文瑾.一种彩色图像质量评价方法[J].应用科学学报,2019,37(3):398-406. 被引量：8
8毕天华,杜文华.一种改进的Brenner清晰度评价函数[J].电子测量技术,2019,42(9):80-84. 被引量：11
9王竑舒,徐熙平.广角相机图像的调焦评价函数研究[J].长春理工大学学报（自然科学版）,2019,42(3):38-41. 被引量：4
10郭晨龙,仇振安.线列红外无热化检测系统及其图像清晰度评价方法[J].电光与控制,2019,26(12):59-63. 被引量：2

引证文献2

1薛金林,李雨晴,曹梓建.基于深度学习的模糊农田图像中障碍物检测技术[J].农业机械学报,2022,53(3):234-242. 被引量：11
2廖飞龙,刘冰倩,黄建业,郑州,武欣欣,游婷婷.基于轻量化模型的智能配电站房云边协同应用模式研究[J].自动化与仪器仪表,2024(3):210-215. 被引量：2

二级引证文献13

1曾伟辉,张文凤,陈鹏,胡根生,梁栋.基于SCResNeSt的低分辨率水稻害虫图像识别方法[J].农业机械学报,2022,53(9):277-285. 被引量：9
2陈玲玲,施政,廖凯涛,宋月君,张红梅.基于卷积神经网络的高分遥感影像耕地提取研究[J].农业机械学报,2022,53(9):168-177. 被引量：13
3杨祎宁,贺向东,赵庆,刘乘昊,魏鸿磊.应用深度学习方法的汽车轮毂类型识别[J].现代制造工程,2022(12):75-82.
4蔡舒平,潘文浩,刘慧,曾潇,孙仲鸣.基于D2-YOLO去模糊识别网络的果园障碍物检测[J].农业机械学报,2023,54(2):284-292. 被引量：7
5孟志军,王昊,付卫强,刘孟楠,尹彦鑫,赵春江.农业装备自动驾驶技术研究现状与展望[J].农业机械学报,2023,54(10):1-24. 被引量：30
6刘庆华,杨欣仪,接浩,孙世诚,梁振伟.基于融合GhostNetV2的YOLO v7水稻籽粒检测[J].农业机械学报,2023,54(12):253-260. 被引量：4
7侯艳林,艾尔肯·亥木都拉,李贺南.基于改进YOLOv5s的田间移动障碍物检测[J].现代电子技术,2024,47(6):171-178. 被引量：3
8杨昊霖,王其欢,李华彪,耿端阳,武继达,姚艳春.基于改进YOLOv5的田间复杂环境障碍物检测[J].中国农机化学报,2024,45(6):216-222. 被引量：2
9冯汝广,胡建平,王梦娇,牛晓硕,李海涛.智能农机自动驾驶关键技术及应用分析[J].农业装备与车辆工程,2024,62(7):15-18. 被引量：5
10马松浩,王竞宇,张晓雪,宋权威,王丽荣,齐晗兵.基于卷积神经网络的成品油红外光谱分类分析[J].油气田环境保护,2024,34(4):42-47.

1冯烨,张索非,吴晓富.面向目标检测的SSD网络轻量化设计研究[J].信号处理,2020,36(5):756-762. 被引量：4
2蔡先华,王浪,付晓.变形交通线路图自动制作方法[J].测绘通报,2020(5):130-133. 被引量：1
3苏琨.全域旅游下的西安市研学旅游市场产品研究[J].价值工程,2020,39(16):237-239. 被引量：1
4曲璇,张娜.食品安全检测产品研究[J].食品安全导刊,2020(12):22-22. 被引量：1
5吴进,杨雪,胡怡青.模型剪枝与低精度量化融合的DNN模型压缩算法[J].电讯技术,2020,60(6):617-624. 被引量：5
6胡扬,闫宏飞,陈翀.面向金融知识图谱的实体和关系联合抽取算法[J].重庆理工大学学报（自然科学）,2020,34(5):139-149. 被引量：12
7王统.深度学习中卷积神经网络的结构及相关算法[J].信息与电脑,2020,32(8):41-43. 被引量：7
8殷军.论软件工程项目的需求管理[J].城市建设理论研究（电子版）,2020(9):11-11. 被引量：1
9葛兴瑜.小学生英语单词记忆方法探究[J].学周刊,2020(22):47-48.
10王洪涛,郑红阳,禹颂耕.影响复杂宇航产品研制进度的主要因素及对策分析[J].项目管理技术,2020,18(6):72-75. 被引量：2

电信科学

2020年第S01期

浏览历史

内容加载中请稍等...

深度学习模型压缩方法及产品研究被引量：2

同被引文献28

引证文献2

二级引证文献13

相关作者

相关机构

相关主题

浏览历史

深度学习模型压缩方法及产品研究 被引量：2

同被引文献28

引证文献2

二级引证文献13

相关作者

相关机构

相关主题

浏览历史

深度学习模型压缩方法及产品研究被引量：2