사영
훈련 데이터를 대표하는 데이터 세트를 사용하여 계층 활성화 부분에 주성분 분석(PCA)을 수행하여 계층을 사영하고, 계층의 학습 가능한 파라미터에 선형 사영을 적용합니다. 라이브러리가 없는 C/C++ 코드 생성을 사용하여 임베디드 하드웨어에 신경망을 배포하는 경우에는 사영된 심층 신경망을 순방향 통과시키는 것이 일반적으로 더 빠릅니다.
Deep Learning Toolbox™ Model Compression Library에서 사용 가능한 압축 기법에 대한 자세한 개요는 Reduce Memory Footprint of Deep Neural Networks 항목을 참조하십시오.
함수
compressNetworkUsingProjection | Compress neural network using projection (R2022b 이후) |
neuronPCA | Principal component analysis of neuron activations (R2022b 이후) |
unpackProjectedLayers | Unpack projected layers of neural network (R2023b 이후) |
ProjectedLayer | Compressed neural network layer using projection (R2023b 이후) |
gruProjectedLayer | Gated recurrent unit (GRU) projected layer for recurrent neural network (RNN) (R2023b 이후) |
lstmProjectedLayer | Long short-term memory (LSTM) projected layer for recurrent neural network (RNN) (R2022b 이후) |
도움말 항목
- Compress Neural Network Using Projection
Compress a neural network using projection and principal component analysis (PCA).
- Train Smaller Neural Network Using Knowledge Distillation
Reduce the memory footprint of a deep neural network using knowledge distillation. (R2023b 이후)
추천 예제
Analyze and Compress 1-D Convolutional Neural Network
Analyze 1-D convolutional network for compression and compress it using Taylor pruning and projection.
Evaluate Code Generation Inference Time of Compressed Deep Neural Network
Compare the inference time of a compressed deep neural network for battery state of charge estimation.
