本發(fā)明提供一種模型壓縮方法以及模型壓縮系統(tǒng),該方法包含:針對具有一深度神經(jīng)網(wǎng)絡(luò)架構(gòu)的一原始模型來進行一模型剪枝操作,以產(chǎn)生一壓縮后模型;將同一測試數(shù)據(jù)分別輸入至該原始模型以及該壓縮后模型;計算該原始模型處理該測試數(shù)據(jù)所得到的一第一輸出數(shù)據(jù)以及該壓縮后模型處理該測試數(shù)據(jù)所得到的一第二輸出數(shù)據(jù)之間的相似度;以及以該相似度作為獎勵,通過強化學(xué)習(xí)來判斷如何進一步調(diào)整該模型剪枝操作。由此,可減少數(shù)據(jù)標(biāo)記的成本與時間。
聲明:
“模型壓縮方法以及模型壓縮系統(tǒng)” 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)