Core Concepts
畳み込みニューラルネットワーク(CNN)のテンソリゼーションによる効果的な圧縮手法を探求する。
Abstract
CNNは画像認識などのコンピュータビジョンタスクで優れた性能を発揮する。
テンソリゼーションは、畳み込み層内の重みを低ランクテンソル分解で置き換えて効率的な圧縮を実現する。
SVDやCP分解に基づくトランケーション実験を通じて、CNNが相関トランケーションに対してどのように耐性を示すか評価された。
ResNet-50およびバニラCNNでの実験結果が報告された。
I. Introduction
CNNs excel at computer vision tasks.
Tensorization replaces weights with low-rank tensor decompositions for efficient compression.
II. Background
CNN architecture explained in the context of image classification.
Convolution and pooling operations described as tensor contractions.
III. Truncation of Dense CNNs
Single-mode and two-mode truncations assessed using SVD and CP decomposition.
Impact quantified by norm loss percentage and correlation loss percentage.
IV. Results for ResNet-50
Experiments conducted on ResNet-50 for CIFAR datasets.
Spectra of convolution kernels analyzed across various bipartitions.