"AMC: AutoML for Model Compression on Mobile Devices" 在当前的移动设备应用中,深度神经网络(DNNs)由于其计算需求大,往往无法在资源有限的移动平台上高效运行。模型压缩技术因此应运而生,它旨在减小模型的大小,同时保持或提高其性能,以适应移动设备的计算能力和功耗限制。传统的模型压缩方法依赖于人工设计的特征和专家经验,这不仅耗时,而且可能无法达到最优的压缩效果。 AMC(AutoML for Model Compression)是一种创新的自动化机器学习(AutoML)方法,专为移动设备上的模型压缩设计。该方法采用强化学习策略,通过智能地探索模型压缩的设计空间,以寻找最佳的层压缩策略。强化学习代理通过与环境的交互学习,即在压缩模型的同时评估性能,以优化模型的FLOPs(浮点运算次数)和准确性之间的平衡。 在AMC中,强化学习代理使用Deep Deterministic Policy Gradient (DDPG)算法,这是一种基于Actor-Critic框架的强化学习算法,能够有效地处理连续动作空间的问题。在模型压缩过程中,代理在每一层选择合适的压缩率(例如50%的稀疏率),并根据压缩后模型的性能(如错误率)来更新其策略。通过这种方式,AMC能够在不断试错中逐步优化模型,实现更高效的压缩。 实验结果显示,AMC在ImageNet数据集上对比VGG-16的手动压缩方法,实现了4×FLOPs减少的同时,精度提升了2.7%。这意味着AMC能够自动找到比人工设计更好的压缩方案。将这种方法应用到MobileNet-V1上,AMC在GPU上实现了1.53倍的加速,在Android手机上则达到了1.95倍的加速,而且几乎不牺牲模型的准确性。 AMC的自动化特性显著减少了人工参与的需求,使得模型压缩过程更加高效。通过消除人工设计的启发式方法,AMC能够探索更大规模的设计空间,从而获得更好的压缩性能。这一方法对于推动移动设备上的深度学习应用具有重大意义,因为它简化了模型优化的过程,使得开发者可以更快地部署和运行复杂的神经网络模型,而不必担心计算资源的限制。 关键词:自动机器学习(AutoML)、强化学习、模型压缩、卷积神经网络(CNN)加速、移动设备视觉应用。
![](https://csdnimg.cn/release/download_crawler_static/88423997/bg4.jpg)
剩余16页未读,继续阅读
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
- 粉丝: 5
- 资源: 2万+
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- Lombok 快速入门与注解详解
- SpringSecurity实战:声明式安全控制框架解析
- XML基础教程:从数据传输到存储解析
- Matlab实现图像空间平移与镜像变换示例
- Python流程控制与运算符详解
- Python基础:类型转换与循环语句
- 辰科CD-6024-4控制器说明书:LED亮度调节与触发功能解析
- AE particular插件全面解析:英汉对照与关键参数
- Shell脚本实践:创建tar包、字符串累加与简易运算器
- TMS320F28335:浮点处理器与ADC详解
- 互联网基础与结构解析:从ARPANET到多层次ISP
- Redhat系统中构建与Windows共享的Samba服务器实战
- microPython编程指南:从入门到实践
- 数据结构实验:顺序构建并遍历链表
- NVIDIA TX2系统安装与恢复指南
- C语言实现贪吃蛇游戏基础代码
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)