本发明公开了一种适用于通信网现场维护的模型压缩方法,使用基于深度强化学习的模型剪枝算法和自适应聚类的模型量化算法对模型进行压缩,在保证模型精度的前提下压缩模型体积以及提升模型检测速度。基于深度强化学习的模型剪枝算法,以通信网现场维护模型性能作为需求约束,用深度确定性策略梯度的强化学习算法对模型各层的压缩比进行控制,实现自动通道剪枝,再进行层剪枝,在保证模型精度的前提下,从宽度和深度分别进行模型的压缩。自适应聚类的模型量化算法,用改进的BIRCH算法自动获取聚类的个数,使聚类个数的选取不再依赖先验知识,再通过K‑meansII算法获取初始化质心,使聚类中心位置的选取不再具有盲目性,提升模型压缩比,大大减少模型存储体积。
声明:
“适用于通信网现场维护的模型压缩方法” 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)