按年被提到
20162017 · 2 次2026
机器学习与深度学习›训练加速与低精度计算·arXiv:1602.07360 · cs.CV

SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5MB model size

SqueezeNet:参数少 50 倍、模型小于 0.5MB 的 AlexNet 级精度
Forrest N. Iandola, Song Han, Matthew W. Moskewicz, Khalid Ashraf, William J. Dally, Kurt Keutzer · 2016

小型 CNN 架构,ImageNet 上达到 AlexNet 精度,参数少 50 倍

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 3 人首次 2017-03-01 · 最近 2018-08-14
3不同的人
3活跃月份
3讨论串
6,197被引(OpenAlex)

同等精度下,更小的 DNN 在分布式训练通信量、向自动驾驶汽车下发模型的带宽、以及部署到 FPGA 等内存受限硬件上都更有优势,论文据此提出小型 DNN 架构 SqueezeNet。它在 ImageNet 上达到 AlexNet 级精度,参数少 50 倍,再配合模型压缩技术可压到 0.5MB 以下,比 AlexNet 小 510 倍。

HN 为什么提它

有人在谈推理速度与模型体积时把它当作正在攻关的研究方向,也有人由此看到“稠密-稀疏-稠密”再训练能提升精度。

方法难度 2 / 5约 35 分钟经得起时间
读之前最好知道
1卷积神经网络(CNN)
2AlexNet 与 ImageNet
3模型压缩与量化
4参数量与计算量估算

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
引用vanderZwan · 2017-12

“I looked up a recent paper and look what it says:”

引用论文说明 dense-sparse-dense 重训练能提高准确率
Pruning AI networks without impacting performance原评论 ↗
引用kajecounterhack · 2018-08

“some researchers are definitely tackling it (e.g SqueezeNet)”

举例说明有研究者在攻克推理速度和模型大小问题
Current state of the art in objects classification原评论 ↗
被提交为 story · 1 次