一种用于卷积神经网络压缩的混合剪枝方法

摘要 在模型压缩中，单独使用权重剪枝或卷积核剪枝对卷积神经网络进行压缩，压缩后的模型中仍然存在较多冗余参数.针对这一问题，提出了一种结合权重剪枝和卷积核剪枝的混合剪枝方法.首先，剪除对卷积神经网络整体精度贡献较小的卷积核；其次，对剪枝过的模型再进行权重剪枝实现进一步的模型压缩.在剪枝过程中通过重新训练来恢复模型精度.在MNIST和CIFAR-10数据集上的实验结果表明，提出的混合剪枝方法在几乎不降低模型精度的前提下，将LeNet-5和 VGG-16分别压缩了13.01倍和19.20倍