基于位量化的深度神经网络加速与压缩研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 精简网络权重的表示 | 第13-14页 |
| 1.2.2 降低网络权重的冗余 | 第14页 |
| 1.2.3 优化网络结构 | 第14-15页 |
| 1.3 本文主要工作和贡献 | 第15-16页 |
| 1.4 本文结构组织 | 第16-17页 |
| 第二章 相关理论介绍 | 第17-34页 |
| 2.1 传统人工神经网络 | 第17-22页 |
| 2.1.1 神经元 | 第17-18页 |
| 2.1.2 前馈神经网络 | 第18-20页 |
| 2.1.3 BP算法 | 第20-22页 |
| 2.2 卷积神经网络 | 第22-27页 |
| 2.2.1 局部感知 | 第22-23页 |
| 2.2.2 权值共享 | 第23-24页 |
| 2.2.3 特征下采样 | 第24-25页 |
| 2.2.4 Softmax分类器 | 第25-27页 |
| 2.3 网络训练优化 | 第27-33页 |
| 2.3.1 神经元随机丢弃 | 第28-29页 |
| 2.3.2 批规范化 | 第29-31页 |
| 2.3.3 梯度下降策略 | 第31-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 深度神经网络中的位量化 | 第34-42页 |
| 3.1 参数分布和计算量分析 | 第34-36页 |
| 3.2 正向传播的位量化 | 第36-39页 |
| 3.3 反向传播的位量化 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 位量化神经网络和模型压缩 | 第42-53页 |
| 4.1 权重初始化 | 第42-43页 |
| 4.2 权重位量化策略 | 第43-46页 |
| 4.2.1 确定性策略 | 第44-45页 |
| 4.2.2 随机性策略 | 第45-46页 |
| 4.3 位量化深度神经网络 | 第46-50页 |
| 4.3.1 网络的训练 | 第46-49页 |
| 4.3.2 网络的推断测试 | 第49-50页 |
| 4.4 网络模型压缩 | 第50-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 实验与结果分析 | 第53-67页 |
| 5.1 图像数据集 | 第53-55页 |
| 5.1.1 MNIST数据集 | 第53-54页 |
| 5.1.2 CIFAR-10 数据集 | 第54页 |
| 5.1.3 SVHN数据集 | 第54-55页 |
| 5.2 相关对比网络算法 | 第55-58页 |
| 5.2.1 全精度网络 | 第55-56页 |
| 5.2.2 二值网络 | 第56-57页 |
| 5.2.3 三值网络 | 第57-58页 |
| 5.3 算法性能 | 第58-63页 |
| 5.3.1 准确率 | 第58-62页 |
| 5.3.2 压缩率 | 第62-63页 |
| 5.4 网络量化位宽的影响 | 第63-64页 |
| 5.5 网络权重分布分析 | 第64-65页 |
| 5.6 本章小结 | 第65-67页 |
| 总结与展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 附件 | 第74页 |
