GB/T 42382.1-2023
信息技术 神经网络表示与模型压缩 第1部分:卷积神经网络

Information Technology Neural Network Representation and Model Compression Part 1: Convolutional Neural Networks

GBT42382.1-2023, GB42382.1-2023


 

 

非常抱歉,我们暂时无法提供预览,您可以试试: 免费下载 GB/T 42382.1-2023 前三页,或者稍后再访问。

您也可以尝试购买此标准,
点击右侧 “立即购买” 按钮开始采购(由第三方提供)。

 

标准号
GB/T 42382.1-2023
别名
GBT42382.1-2023, GB42382.1-2023
发布
2023年
发布单位
国家质检总局
当前最新
GB/T 42382.1-2023
 
 
《GB/T 42382.1-2023 信息技术 神经网络表示与模型压缩 第1部分:卷积神经网络》是一部关于卷积神经网络(Convolutional Neural Network,CNN)的标准。神经网络表示与模型压缩是当前人工智能领域的热门研究方向,而卷积神经网络作为一种重要的深度学习模型,广泛应用于图像处理、计算机视觉等领域。 这部标准主要涵盖了卷积神经网络的表示和模型压缩两个方面。在表示方面,标准规定了卷积神经网络的结构、组成和参数表示的方法,以及网络中各层之间的连接关系。通过统一的表示方式,可以方便地进行网络的构建和模型的分析。在模型压缩方面,标准提供了一些常用的压缩算法和技术,包括参数剪枝、权重共享、低秩近似等。这些技术可以有效地减小模型的尺寸,降低计算和存储资源的消耗,提高模型的性能和效率。 《GB/T 42382.1-2023 信息技术 神经网络表示与模型压缩 第1部分:卷积神经网络》的发布将对卷积神经网络的研究和应用起到重要的推动作用。标准的制定不仅有助于促进卷积神经网络的发展和创新,还有助于提高模型的可重复性和可移植性,促进不同领域之间的交流与合作。同时,标准的实施也将为相关产业的发展提供技术支持和规范引导,推动人工智能技术在实际应用中的广泛推广和应用。

GB/T 42382.1-2023相似标准


推荐

关于NLP相关技术全部在这里:预训练模型、图神经网络模型压缩、知识图谱、信息抽取、序列模型、深度学习、语法分析、文本处理

模型压缩神经网络篇第二十三章:模型压缩模型压缩重要性常见的模型压缩总览基于矩阵分解的压缩技术基于蒸馏的压缩技术基于贝叶斯模型压缩技术模型的量化第二十四章:基于图的学习图的表示知识图谱关于图的常见算法Deepwalk和Node2vecTransE图嵌入算法DSNE图嵌入算法第二十五章:图神经网络卷积神经网络回顾在图中设计卷积操作图中的信息传递图卷积神经网络卷积神经网络的经典应用第二十六章...

自然语言处理(NLP)算法学习路线!

模型压缩神经网络篇第二十三章:模型压缩模型压缩重要性常见的模型压缩总览基于矩阵分解的压缩技术基于蒸馏的压缩技术基于贝叶斯模型压缩技术模型的量化第二十四章:基于图的学习图的表示知识图谱关于图的常见算法Deepwalk和Node2vecTransE图嵌入算法DSNE图嵌入算法第二十五章:图神经网络卷积神经网络回顾在图中设计卷积操作图中的信息传递图卷积神经网络卷积神经网络的经典应用第二十六章...

华为诺亚实验室:端侧AI模型的技术进展未来|量子位·吃瓜社

首先把卷积核通过DCT的变换产生频域系数,然后在频域上做K-Means聚类,挖掘卷积卷积核之间的冗余信息,最后利用如L1做通过权值最小的剪枝、量化、差分编码,得到压缩模型的文件。第二行是模型加速。压缩完成之后,我们不希望压缩后的模型在线上推理的时候还要解压缩。...

自动化所提出不规则卷积神经网络

这种改进可以在不添加任何子网络的情况下,平滑地集成到现有的卷积神经网络模型当中。图1 规则不规则卷积核的对比。(a)不规则输入特征,其范围超越了3x3的区域;(b)两个3x3的卷积核,它们联合建模了输入特征;(c)从3x3卷积核到不规则卷积核的变形过程示例。...


GB/T 42382.1-2023系列标准





Copyright ©2007-2022 ANTPEDIA, All Rights Reserved
京ICP备07018254号 京公网安备1101085018 电信与信息服务业务经营许可证:京ICP证110310号