本發(fā)明涉及一種面向硬件移植的
鋰電池深度診斷模型的模型壓縮算法,屬于深度神經(jīng)網(wǎng)絡(luò)模型壓縮領(lǐng)域,包括以下步驟:S1:利用閾值學(xué)習(xí)方法獲取鋰電池故障診斷模型中的混合卷積神經(jīng)網(wǎng)絡(luò)重要權(quán)值,在不損失精度的情況下減少網(wǎng)絡(luò)規(guī)模;S2:采用數(shù)值聚合方式量化強(qiáng)制實現(xiàn)權(quán)值共享,使用壓縮稀疏格式存儲有效的共享權(quán)值編碼與和索引;S3:通過頂部標(biāo)量量化和底部質(zhì)心微調(diào)進(jìn)行權(quán)值分配與哈夫曼編碼,使用可變長度碼編碼權(quán)重與索引,進(jìn)一步減少網(wǎng)絡(luò)所需要的存儲空間。本發(fā)明采用的修剪,量化和霍夫曼編碼的三級流水線方式,在每一級流水線中,都能夠在不損失精度的前提下,一步一步的刪除冗余權(quán)重,大大壓縮網(wǎng)絡(luò)模型。
聲明:
“面向硬件移植的鋰電池深度診斷模型壓縮算法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)