机器学习：模型压缩

如果模型太大，参数太多，占用空间，计算时间长，那么在手机、嵌入式设备（无人机、机器人、手环、等等）等应用场景，就会受到限制，所以希望能对网络模型做压缩

通常从几百 M 压缩到几十、十几 M

网络剪枝（Network Pruning）

训练出来的网络，参数其实偏多，会有冗余，可以剪枝叶，使模型变小，同时效果不会受太大影响

• 训练小模型效果差，甚至训练不出来，一般是训练大模型后剪枝
• 先训练大模型，去掉一些神经元或是去掉一些权重，重新评估，还太大就继续剪，不要一次剪太多
• 减权值或神经元，但减权值后连接不规则，导致无法利用 GPU 进行并行矩阵计算反而更慢，所以一般是减神经元
• 随机减，或减那些权值小的

小模型的精度会下降（可以对小模型再用一些数据作简单的训练提高精度）

知识蒸馏（Knowledge Distillation）

一个 teacher net 和一个 student net

teacher net 是正常学习的模型
student net 是从 teacher net 学习

比如 mnist 数字图片 1，在 teacher net 学习的时候是要求输出分类 1 的概率是 100%，其他分类的概率是 0，学完后，模型对图片 1 输出结果假设是：1 的概率 70%，7 的概率 30%

那么 student net 学习的时候，就是要求输入图片 1 的时候，输出结果是：1 的概率 70%，7 的概率 30%

不止最终输出，甚至中间层的输出也可以从 teacher net 学习

这样能学到更多信息，“这个图片很可能是 1 但也有点像 7” 比 “这个图片就是 1” 包含的信息量更多，因为 1 确实和 7 有点类似，前一个结论更符合现实

这种方法可以使小模型得到和大模型相似的结果 （student 一开始就是设计成小模型）

Temperature ：在做 softmax 的时候，可以除以一个值，防止结果差距太大

参数量化

• 用更少位数 (bit) 代表参数
• 把值接近的参数组成一组参数，用同一个值表示（取平均）
• 编码（比如霍夫曼编码）

目的是减少存储

结构设计

• 把全连接的权重 W 拆成更小的两个 W，相当于插入一个新的连接层
  比如原来的 W 是 (200,100) 矩阵共 20000 个参数，拆成 (200,10) 和 (10,100) 两个矩阵，就只有 3000 参数
  这样最终输出的结构是一样的，但参数少很多，当然精度也会下降
  就是 SVD 分解法

• 深度可分卷积（depthwise separable convolution）
  传统的卷积计算，比如输入是 64 x 64 x 3 的图片，希望输出 4 维数据
  通常用 4 个 3 x 3 x 3 的卷积核计算，共 (3 x 3 x 3 x 4) = 108 个参数

  深度可分卷积将计算拆成两步

  1. 用 3 个 3 x 3 的核，每个核只计算图片的其中一个通道，这样输出一个 3 维数据，其长和宽和希望的最终结果一样
  2. 用 4 个 1 x 1 x 3 的核对第一步的结果作进一步计算，每个核都计算所有 3 个通道，这样最终输出的长和宽没变化还是和希望的最终结果一样，但变成了 4 维数据

  这样共 (3 x 3 x 3 + 1 x 1 x 3 x 4) = 39 个参数

  这样能以较小的性能损失大大减少模型大小

动态计算

如果资源不够的话，就只计算模型的部分网络层，比如一个 10 层网络，只算 5 层就给出结果

原文地址：http://www.cnblogs.com/moonlight-lin/p/16859939.html