本发明涉及一种面向硬件移植的
锂电池深度诊断模型的模型压缩算法,属于深度神经网络模型压缩领域,包括以下步骤:S1:利用阈值学习方法获取锂电池故障诊断模型中的混合卷积神经网络重要权值,在不损失精度的情况下减少网络规模;S2:采用数值聚合方式量化强制实现权值共享,使用压缩稀疏格式存储有效的共享权值编码与和索引;S3:通过顶部标量量化和底部质心微调进行权值分配与哈夫曼编码,使用可变长度码编码权重与索引,进一步减少网络所需要的存储空间。本发明采用的修剪,量化和霍夫曼编码的三级流水线方式,在每一级流水线中,都能够在不损失精度的前提下,一步一步的删除冗余权重,大大压缩网络模型。
声明:
“面向硬件移植的锂电池深度诊断模型压缩算法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)