weixin_43530173的博客

基于LeNet手写体识别的模型剪枝本节主要记录如何通过pytorch中的掩模矩阵对模型进行剪枝，剪枝对象包括卷积层和全连接层，其中卷积层通过l2范数的大小对卷积核进行剪枝，全连接层通过阈值筛选对单个权重进行剪枝，主要参考的代码为https://github.com/mepeichun/Efficient-Neural-Network-Bilibili。1.剪枝网络的搭建剪枝之前，首先要对原始的LeNet网络进行训练，得到待剪枝的模型参数，具体的训练过程可以参考笔者的前一篇文章《基于LeNet手写体识别

基于LeNet手写体识别的模型量化最近开始学习神经网络的量化，经过一番探索，终于在基于LeNet的手写体识别模型上成功量化，并且量化后的参数全为8bit无符号整型，可以直接进行FPGA的部署。1.pytorch环境的搭建首先下载anaconda进行安装，安装完成后创建一个pytorch环境：conda create -n pytorch python=3.8其中python的版本可以任意选择，创建完成后进入pytorch官网查找需要的版本（https://pytorch.org/），如果要装GP