【技术实现步骤摘要】
神经网络稀疏化方法、装置、设备、存储介质及程序产品
[0001]本申请涉及数据
,具体涉及深度学习、模型稀疏化、计算机视觉、自然语言处理等人工智能
,尤其涉及神经网络稀疏化方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
技术介绍
[0002]由于神经网络的特点,其对数据的拟合能力很大程度取决于网络的复杂程度,一个更加复杂的神经网络几乎总是能在相应的业务场景下获得更好的表现。然而随着神经网络技术的大规模应用,其相关算法的部署场景呈现出多样化,大规模化的特点。许多网络虽然在各自任务上有着非常优异的表现,然而其复杂的网络结构所带来的高推理延迟,高能耗和存储模型参数所需的庞大存储空间都限制了这些网络或模型在更多领域的应用。
[0003]面对神经网络技术愈加复杂应用场景,需要神经网络压缩技术来在神经网络表现与部署硬件有限的资源之间达到平衡,稀疏化就是一种对网络结构中不重要的子网络进行剪枝以降低其复杂程度的方法。
技术实现思路
[0004]本申请实施例提出了一种神经网络稀疏化方法、装置、电子设备、计算机可读存储介质及计算机程序产品。
[0005]第一方面,本申请实施例提出了一种神经网络稀疏化方法,包括:将待处理的复杂神经网络中的权重按关联性划分为多个关联权重组;其中,各关联权重组中均存储有预设数量的关联权重;确定各关联权重组中各关联权重在预设正则化方式下的排序结果;根据预设的稀疏比例和排序结果将各关联权重组中的各关联权重划分为重要权重和不重要权重;在前向传播过程中按照预设的 ...
【技术保护点】
【技术特征摘要】
1.一种神经网络稀疏化方法,包括:将待处理的复杂神经网络中的权重按关联性划分为多个关联权重组;其中,各所述关联权重组中均存储有预设数量的关联权重;确定各所述关联权重组中各关联权重在预设正则化方式下的排序结果;根据预设的稀疏比例和所述排序结果将各所述关联权重组中的各关联权重划分为重要权重和不重要权重;在前向传播过程中按照预设的移除概率随机移除所述不重要权重,得到稀疏化神经网络。2.根据权利要求1所述的方法,其中,响应于对所述复杂神经网络的稀疏化训练仅存在一个阶段,所述确定各所述关联权重组中各关联权重在预设正则化方式下的排序结果,包括:将各所述关联权重组中各关联权重的L1范数作为其第一正则化项;其中,所述L1范数是计算向量中各个元素绝对值的和;按照所述第一正则化项的大小依次排列,得到每个所述关联权重组中各关联权重的排序结果。3.根据权利要求1所述的方法,其中,响应于对所述复杂神经网络的稀疏化训练被分为前后两个阶段,所述确定各所述关联权重组中各关联权重在预设正则化方式下的排序结果,包括:在稀疏化训练的前半阶段,将各所述关联权重组中各关联权重的L1
‑
2范数作为其第二正则化项;其中,所述L1
‑
2范数是对每个关联权重组内的各关联权重分别计算所述L1范数,再以各关联权重组中的所有关联权重的绝对值合为单位计算L2范数;在稀疏化训练的后半阶段,将各所述关联权重组中各关联权重的L2范数作为其第三正则化项;其中,所述L2范数是计算向量各元素的平方和的平方根。4.根据权利要求3所述的方法,其中,所述根据预设的稀疏比例和所述排序结果将各所述关联权重组中的各关联权重划分为重要权重和不重要权重,在前向传播过程中按照预设的移除概率随机移除所述不重要权重,包括:在稀疏化训练的前半阶段,以实际数值从0逐渐提高至第一数值的稀疏比例和所述排序结果将各所述关联权重组中的各关联权重划分为重要权重和不重要权重,并保持以50%的移除概率在前向传播中移除所述不重要权重;在稀疏化训练的后半阶段,保持实际数值为所述第一数值的稀疏比例和所述排序结果将各所述关联权重组中的各关联权重划分为重要权重和不重要权重,并以实际数值从50%逐渐提高至100%的移除概率在前向传播中移除所述不重要权重。5.根据权利要求1所述的方法,还包括:分别通过所述稀疏化神经网络和所述复杂神经网络得到输入的相同测试数据集的第一结果和第二结果;响应于所述第一结果与所述第二结果的差异小于预设差异,确定所述稀疏化神经网络处于可用状态。6.根据权利要求1
‑
5任一项所述的方法,还包括:将所述稀疏化神经网络置入具有轻量化运算能力的轻量化终端;
控制传入的复杂神经网络调用指令转移给所述轻量化终端中的稀疏化神经网络。7.根据权利要求6所述的方法,响应于所述复杂神经网络为用于输出与输入的待分类图像所属的实际类别的图像分类模型,还包括:利用所述轻量化终端中的稀疏化神经网络处理传入的待分类图像,并返回输出的实际类别。8.根据权利要求6所述的方法,响应于所述复杂神经网络为用于输出输入的待处理文本中包含的指定类型实体的实体识别模型,还包括:利用所述轻量化终端中的稀疏化神经网络处理传入的待处理文本,并返回输出的实际实体。9....
【专利技术属性】
技术研发人员:禹梓林,王豪爽,党青青,刘其文,胡晓光,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。