作者：UC 國際研發 迎松

寫在最前：歡迎你來到「UC國際技術」公眾號，我們將為大家提供與客戶端、服務端、演算法、測試、數據、前端等相關的高質量技術文章，不限於原創與翻譯。

注意

  1. 由於svd分解是基於對feature map冗餘信息的降維近似，當生成feature map所用的數據集與原來訓練網路模型時所用的數據集有差別時，分解的精度會受很大影響。但是卷積核分解不存在此問題。
  2. 利用svd的非線性方法進行分解時需要求解GSVD，當feature map的協方差矩陣低秩時可能有複數解，此時應該使用線性求解的方法
  3. 利用cgd求解雙凸問題時，初始值的選擇可能會影響目標函數的結果。

參考文獻

[1] Zhang X, Zou J, He K, et al. Accelerating Very Deep Convolutional Networks for Classification and Detection[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2016, 38(10):1943.

[2] Jaderberg M, Vedaldi A, Zisserman A. Speeding up Convolutional Neural Networks with Low Rank Expansions[J]. Computer Science, 2014, 4(4):XIII.

[3] Takane Y, Hwang H. Regularized linear and kernel redundancy analysis[J]. Computational Statistics & Data Analysis, 2007, 52(1):394-405.

「UC國際技術」致力於與你共享高質量的技術文章

歡迎微信搜索 UC國際技術 關注我們的公眾號

或者將文章分享給你的好友


推薦閱讀：
查看原文 >>
相關文章