公开(公告)号：CN113673684B

公开(公告)日：2024-08-02

申请号：CN202110973801.6

申请日：2021-08-24

Applicant: 东北大学

Inventor： 那俊 ,  连佳欣 ,  张瀚铎 ,  张斌

IPC: G06N3/082 ,  G06N3/0495 ,  G06N3/047 ,  G06N7/01 ,  G06F18/22 ,  G06F18/23213 ,  G06F16/17 ,  G06F16/215 ,  G06F16/22

Abstract: 本发明公开一种基于输入修剪的边缘端DNN模型加载系统及方法，系统包括管理模块和压缩模块，其中管理模块包括样本管理模块、模型训练模块和模型管理模块；压缩模块包括压缩模式选择模块、数据压缩模块、模型压缩与重训练模块和压缩日志记录模块；采用该系统本发明基于样本数据构建贝叶斯网络并对网络进行训练，根据贝叶斯网络对模型的输入与输出进行关联性分析，并根据帕累托最优构建代表输入影响度的双向列表，以优化逐个删除输入属性带来的较高时间复杂度；最后结合聚类算法对输入数据属性间的相似性进行分析，并根据以上两种压缩策略及它们的衍生压缩策略完成对模型的个性化和智能化压缩加载，提升了边缘端的整体性能和部署模型的数量。

公开(公告)号：CN113673684A

公开(公告)日：2021-11-19

申请号：CN202110973801.6

申请日：2021-08-24

Applicant: 东北大学

Inventor： 连佳欣 ,  那俊 ,  张瀚铎 ,  张斌

IPC: G06N3/04 ,  G06N3/08 ,  G06N7/00 ,  G06K9/62 ,  G06F16/17 ,  G06F16/215 ,  G06F16/22

Abstract: 本发明公开一种基于输入修剪的边缘端DNN模型加载系统及方法，系统包括管理模块和压缩模块，其中管理模块包括样本管理模块、模型训练模块和模型管理模块；压缩模块包括压缩模式选择模块、数据压缩模块、模型压缩与重训练模块和压缩日志记录模块；采用该系统本发明基于样本数据构建贝叶斯网络并对网络进行训练，根据贝叶斯网络对模型的输入与输出进行关联性分析，并根据帕累托最优构建代表输入影响度的双向列表，以优化逐个删除输入属性带来的较高时间复杂度；最后结合聚类算法对输入数据属性间的相似性进行分析，并根据以上两种压缩策略及它们的衍生压缩策略完成对模型的个性化和智能化压缩加载，提升了边缘端的整体性能和部署模型的数量。