枝刈り
R2026b枝刈りは、畳み込み層の中で最も重要度の低いフィルターを削除することで、ニューラル ネットワークにおける学習可能なパラメーターの数を削減します。
trainnet 関数を使用してネットワークに学習させることができる場合は、compressNetworkUsingTaylorPruning 関数を使用してネットワークを枝刈りします。trainnet 関数を使用してネットワークに学習させることができない場合は、代わりに taylorPrunableNetwork オブジェクトを使用してカスタム枝刈りループを作成します。
Deep Learning Toolbox™ Model Compression Library で利用可能な圧縮手法の詳細な概要については、Reduce Memory Footprint of Deep Neural Networksを参照してください。
関数
トピック
- Prune Neural Network with Memory Requirement
This example shows how to compress a neural network to a specific size using Taylor pruning. (R2026a 以降)
- Prune Neural Network with Accuracy Requirement
This example shows how to compress a neural network with a minimum accuracy requirement using Taylor pruning. (R2026a 以降)
- Prune Image Classification Network Using Taylor Scores
Reduce the size of a deep neural network using Taylor pruning.
- Prune Filters in a Detection Network Using Taylor Scores
Reduce network size and increase inference speed by pruning convolutional filters in a you only look once (YOLO) v3 object detection network.
- Prune and Quantize Convolutional Neural Network for Speech Recognition
Compress a convolutional neural network (CNN) to prepare it for deployment on an embedded system.
- イメージ分類ネットワークのパラメーターの枝刈りと量子化
パラメーターの枝刈りと量子化を行ってネットワークのサイズを小さくする。
注目の例
Prune Neural Network with Memory Requirement
Compress a neural network to a specific size using Taylor pruning.
Prune Neural Network with Accuracy Requirement
Compress a neural network with a minimum accuracy requirement using Taylor pruning.
Analyze and Compress 1-D Convolutional Neural Network
Analyze 1-D convolutional network for compression and compress it using Taylor pruning and projection.
