本發(fā)明公開了一種適用于通信網(wǎng)現(xiàn)場維護的模型壓縮方法,使用基于深度強化學習的模型剪枝算法和自適應聚類的模型量化算法對模型進行壓縮,在保證模型精度的前提下壓縮模型體積以及提升模型檢測速度。基于深度強化學習的模型剪枝算法,以通信網(wǎng)現(xiàn)場維護模型性能作為需求約束,用深度確定性策略梯度的強化學習算法對模型各層的壓縮比進行控制,實現(xiàn)自動通道剪枝,再進行層剪枝,在保證模型精度的前提下,從寬度和深度分別進行模型的壓縮。自適應聚類的模型量化算法,用改進的BIRCH算法自動獲取聚類的個數(shù),使聚類個數(shù)的選取不再依賴先驗知識,再通過K?meansII算法獲取初始化質(zhì)心,使聚類中心位置的選取不再具有盲目性,提升模型壓縮比,大大減少模型存儲體積。
聲明:
“適用于通信網(wǎng)現(xiàn)場維護的模型壓縮方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術所有人。
我是此專利(論文)的發(fā)明人(作者)