摘要
本发明属于神经网络技术领域,尤其是一种基于VGG11(BN)神经网络蒸馏训练方案,针对现有的现有训练方式下VGG11(BN)神经网络精度受网络结构限制的问题,现提出如下方案,其采用离线和在线两种知识蒸馏训练的方式,即首先对一个VGG11(BN)网络进行普通训练,训练完成之后,将其作为教师网络开始指导自蒸馏框架进行蒸馏训练;基于VGG11(BN)网络搭建蒸馏训练方案,由教师网络和自蒸馏框架两部分组成,以VGG11(BN)神经网络为基础,额外引入模块结构构建多个分类器搭建自蒸馏框架,然后使用在同一任务下已完成普通训练的VGG11(BN)网络来指导整个自蒸馏框架的训练,通过蒸馏的方式提升VGG11(BN)网络精度,进一步提升蒸馏效果,解决现有训练方式下VGG11(BN)神经网络精度受网络结构限制的问题。
技术关键词
分类器
输出特征
蒸馏
教师
Softmax函数
标签
框架
超参数
图片
神经网络技术
网络结构
模块结构
数值
学生
离线
格式
精度
在线
系统为您推荐了相关专利信息
故障诊断模型
变电站二次设备
天牛须搜索算法
故障诊断方法
故障特征信息
垃圾邮件检测方法
混合分类器
文本
分类准确率
决策树分类器