一种适用于深度神经网络的通道剪枝方法

    公开(公告)号:CN112149803A

    公开(公告)日:2020-12-29

    申请号:CN202011002072.1

    申请日:2020-09-22

    Applicant: 安徽大学

    Abstract: 本发明涉及卷积神经网络压缩技术领域,尤其为一种适用于深度神经网络的通道剪枝方法。本发明,能够在不降低模型性能的情况下,大幅度的减少模型的存储空间和计算量,从而得到轻量化的神经网络模型,而轻量化的神经网络模型在边缘设备,车载系统中都具有一定的应用前景。

    面向Key-Value系统的compaction粗粒度进程级并行优化方法及系统

    公开(公告)号:CN107291541A

    公开(公告)日:2017-10-24

    申请号:CN201710486056.6

    申请日:2017-06-23

    Applicant: 安徽大学

    Inventor: 孙辉 刘伟 施巍松

    Abstract: 本发明公开了面向Key-Value系统的compaction粗粒度进程级并行优化方法及系统,所述方法包括:主进程接收到读写请求后判断是否需要调度compaction线程,若是,主进程将compaction线程中的任务信息分割为主进程子任务和从进程子任务;主进程和从进程分别对主进程子任务和从进程子任务进行compaction操作;主进程在主进程完成主进程子任务compaction操作且从进程完成从进程子任务compaction操作后对Key-Value系统的文件进行优化。本发明利用主进程完成Key-Value系统中compaction任务的动态分割,并实现了与从进程协同compaction处理的新模式,挖掘了compaction任务的进程级并行性,充分利用了CPU的计算资源,提高了CPU资源的利用率,且优化了compaction消耗的时间,不仅提高了数据处理的实时性,而且提高了系统性能以及吞吐量。

Patent Agency Ranking