Training Compact DNNs with ℓ1/2 Regularization

•We propose a network compression model based on ℓ1/2 regularization. To the best of our knowledge, it is the first work utilizing non-Lipschitz continuous regularization to compress DNNs.•We strictly prove the correspondence between ℓp(0<p<1) and Hyper-Laplacian prior. Based on this prior, we...

Celý popis

Podrobná bibliografie

Vydáno v:	Pattern recognition Ročník 136
Hlavní autoři:	Tang, Anda, Niu, Lingfeng, Miao, Jianyu, Zhang, Peng
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier Ltd 01.04.2023
Témata:	[formula omitted] Quasi-norm Deep neural networks Model compression Non-Lipschitz regularization Sparse optimization Sparse optimization Deep neural networks Model compression Non-Lipschitz regularization ℓ1/2 Quasi-norm
ISSN:	0031-3203, 1873-5142
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!