敏感度分析和强化学习的神经网络剪枝方法、系统及装置

发明专利有效专利

申请号：
CN202011056171.8
IPC分类号：G06N3/08;G06N3/04;G06N3/063
申请日期：
2020-09-30
申请人：
深兰人工智能（深圳）有限公司

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	敏感度分析和强化学习的神经网络剪枝方法、系统及装置
申请号	CN202011056171.8	申请日期	2020-09-30
法律状态	实质审查	申报国家	中国
公开/公告日	2021-01-05	公开/公告号	CN112183746A
优先权	暂无	优先权号	暂无
主分类号	G06N3/08 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/08 学习方法〔7〕	IPC分类号	G;0;6;N;3;/;0;8;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;6;3查看分类表>
申请人	深兰人工智能（深圳）有限公司	申请人地址	广东省深圳市龙华区民治街道民治社区1970科技园8栋115 变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	深兰人工智能（深圳）有限公司	当前权利人	深兰人工智能（深圳）有限公司
发明人	陈海波;关翔
代理机构	常州佰业腾飞专利代理事务所（普通合伙）	代理人	陈红桥

摘要

本发明公开了一种敏感度分析和强化学习的神经网络剪枝方法、系统及装置，包括：设定稀疏度阈值步骤，选择低敏感度的权重进行剪枝；获取裁剪办法和精度步骤，根据上述的敏感度权重确定需要进行随机剪枝的权重；对被选定的每一个权重进行随机裁剪，将多次随机裁剪的剪枝办法和精度放入缓冲区；训练强化学习步骤，利用缓冲区中的数据训练强化学习代理，训练后生成的裁剪办法和精度放入缓冲区；重复进行，直到网络精度达到预设值。本发明选择低敏感度的权重进行剪枝，设定各权重的稀疏度阈值保证被裁剪的权重采用当前稀疏度进程裁剪后，网络下降的精度保持在预设范围以内。在保证网络精度的情况下，最大化的提升了神经网络的压缩率。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供