摘要
本发明提供了一种低贡献力神经元的网络裁剪方法及装置,解决了现有神经网络模型裁剪导致模型性能下降、破坏其有效性和引入不必要的复杂性的问题。通过更新神经网络模型中被选取次数较低的基本单元,将此项操作对于神经网络模型的影响降到最低,同时,增加了神经网络模型的可解释性,避免了神经网络模型更新中的过程黑盒。
技术关键词
网络裁剪方法
子模块
多路径结构
链式结构
多模态
神经网络模型构建
裁剪装置
神经网络模型训练
生成式网络
序列特征
数据
非线性
可读存储介质
对象
元素
系统为您推荐了相关专利信息
动态时间规整算法
监督学习框架
数据
时序
滑动窗口技术
音频生成方法
多模态
音频编码器
音频解码器
文本编码器
深度强化学习方法
肝性脑病
置信度阈值
筛查系统
深度Q网络学习
数据泄露检测方法
深度残差
卷积神经网络模块
深度特征提取网络
多模态
深度学习神经网络
对象
数据处理方法
生命体征参数
评估准则