14、卷积神经网络压缩与传染病病例预测模型研究

卷积神经网络压缩与传染病病例预测模型研究

1. 卷积神经网络压缩：Compression - CNN - Xray算法

1.1 参数设置

在卷积神经网络（CNN）压缩的研究中，参数设置至关重要。以下是相关参数的具体设置：
| 类别 | 参数 | 值 |
| ---- | ---- | ---- |
| - | 批量大小 | 128 |
| - | 梯度下降轮数 | 50/350 |
| - | SGD学习率 | 0.1 |
| - | 动量 | 0.9 |
| - | 权重衰减 | 0.0001 |
| - | 代数数量 | 40 |
| 搜索策略 | 种群大小 | 60 |
| - | 交叉概率 | 0.9 |
| - | 变异概率 | 0.1 |

1.2 实验配置与设置

为确保比较的公平性，采用试错法设置对比算法的参数。使用Python 3.5版本在TensorFlow框架中实现，实验在八张Nvidia 2080Ti GPU卡上进行。采用保留验证技术，随机选取80%的数据记录进行训练，20%进行测试来确定测试误差。

1.3 实验结果与讨论

为评估Compression - CNN - Xray算法，对不同的CNN架构进行20次剪枝用于X光图像分类。以下是部分架构的测试误差和FLOPs减少百分比：
| 检测方法 | 参考测试误差 | 测试误差（Compression - CNN - Xray） | FLOPs ↓ |
| ---- | ---- | ---- | ---- | <