【摘 要】
：
为解决因卷积神经网络模型规模大,模型剪枝方法引起的精度下降问题,提出一种模型剪枝微调优化方法。该方法引入原卷积神经网络模型权重全局信息至剪枝后模型,使原模型信息体现在剪枝后模型的权重上,提升剪枝后模型的精度。在图像分类任务和目标检测任务中的实验结果表明,所提出的微调优化方法可获得更大的压缩率和更小的模型精度损失。
【基金项目】
：
国家自然科学基金(U20A20204)资助。
论文部分内容阅读
为解决因卷积神经网络模型规模大,模型剪枝方法引起的精度下降问题,提出一种模型剪枝微调优化方法。该方法引入原卷积神经网络模型权重全局信息至剪枝后模型,使原模型信息体现在剪枝后模型的权重上,提升剪枝后模型的精度。在图像分类任务和目标检测任务中的实验结果表明,所提出的微调优化方法可获得更大的压缩率和更小的模型精度损失。
其他文献
很多教师都会忽略在物理课程的教学中对于学生阅读能力的培养,这使得学生在知识学习上会存在各种障碍和认知误区,也会对于课程实际教学效果带来影响.在初中物理课堂上,教师应
以平陆大天鹅景区为例,使用年游客接待能力表示文化服务的供给水平,通过问卷调查,使用重要值计算文化服务需求,评价生态系统文化服务的供需关系,得到如下结果.1)文化服务需求
采用共沉淀法制备了Ni(OH)2前驱体材料,通过高温固相法制备了LiNiO2和B掺杂LiNiO2(B的摩尔分数为1%),利用X射线衍射(XRD)、里特维尔德(Rietveld)精修、扫描电子显微镜(SEM)、恒流充放电测试、循环伏安(CV)和电化学阻抗谱(EIS)对材料的晶体结构、表面形貌和电化学性能进行了系统性表征.XRD和Rietveld精修结果表明,LiNiO2和B掺杂LiNiO2均具有良好
山地隔震结构本身具有特殊性,因此其破坏模式、受力性能与普通平地隔震结构体系有很大的不同。为了研究基础隔震山地掉层结构的抗连续倒塌性能,首先对一榀4跨3层平面框架拟静力试验进行数值模拟并验证了LSDYNA纤维单元模型的可靠性,根据中国规范设计了6个基础隔震掉层体系框架和1个普通平地隔震结构,基于拆除构件法对剩余结构进行抗倒塌性能研究,得到其荷载系数与失效点竖向位移曲线。研究结果表明,拆除下接地角柱(支座)、上接地角柱时,平地隔震结构的抗倒塌能力大于掉层隔震结构;拆除上接地支座时,平地隔震结构的抗倒塌能力弱于
城市路网作为一种特殊的土地覆盖类型,与土地利用相互作用。现代城市系统中道路变化越来越频繁,如何快速精确的对城市路网的变化信息进行提取不仅可以支撑路网基础测绘数据的更新需要,也可以为城市土地利用提供辅助支持。论文基于遥感和矢量数据进行道路网变化信息提取,分析城市路网结构和变化与土地利用的关联关系。主要研究内容如下:
应用核磁共振波谱法,对采集自安徽、内蒙古和江苏3个地区油菜蜜的成熟蜜、非成熟蜜及加工蜜共计80个样品的氢谱进行测定,建立区分3种蜂蜜的方法,解析油菜蜜组分中未重叠的特征峰,对比3个地区3种蜜代表性样品的核磁波谱图(NOESY 1D),并分析不同蜂蜜中部分组分的含量。运用隐结构双向正交投影‒判别分析法(O2PLS-DA),对上述蜂蜜进行分组判别,选取R2Y和Q2值最大的积分间隔,可清晰地区分3个地区的成熟蜜。虽然加工蜜与非成熟蜜有部分重叠,但在三维图中可以区分。对同一地区的3种蜂蜜可以清晰地分组区分,3组R
Photo-controlled reversible-deactivation radical polymerizati on(photo-RDRP)has been investigated as a“green”and spatiotem-porally controlling pathway for polymer synthesis.While the combination of photo-RDRP and flow chemistry has offered opportunities
结合我国正在开展的“三线一单”编制工作,构建基于“三线一单”的生态承载力与产业布局一致性评价指标体系,并选取上海市青浦区为案例研究区,利用单因素和综合生态承载率法进行区域生态承载力与产业布局一致性评价。结果表明:1)单因素生态承载率法能反映关键限制性因素,综合指数能直观地说明区域产业对生态承载力的累积影响;2)青浦区产业布局与生态空间和土壤环境生态承载力的冲突较小,但是对水环境和大气环境造成的生态压力较大,生态环境整体上呈超载状态,生态承载力与产业布局一致性较弱;3)评价一致性问题突出的区域与环境管控单元
利用深圳市光明区网格化城市管理系统上报的电动自行车违规充电隐患数据,采用空间热点分析和空间误差回归模型,分析违规充电隐患的空间分布规律及其影响因素.结果表明,用地类
利用差分整合移动平均自回归模型(ARIMA)、后向传播神经网络(BP)以及长短期记忆神经网络(LSTM),对广州市2015—2019年的PM
2.5浓度数据进行训练和预报,研究集合经验模态(EEMD)分解和时间分辨率对不同模型预报准确性的影响。结果表明,EEMD分解可以显著地提升低频分量的预报效果;提高输入数据的时间分辨率可以提升预报效果,尤其在ARIMA自回归模型预报中较为明显,用神经网络进行预报时需要考虑输入数据量增加带来模型复杂度增加的问题。由于模型使用前一天(t−1)的PM