1. 毕业设计（论文）主要内容：
通过编程实现参数压缩算法，完成对卷积神经网络（CNN）参数的压缩，减小模型所需的存储空间，并尽量减少识别率的损失。主要目标为：将CNN参数压缩4-16倍，并将识别率损失控制在1%以内。要求基于caffe深度学习平台，编写一个工具，对使用caffe训练好的CNN模型进行参数压缩，同时可使用压缩之后的模型参数进行前向预测。
2. 毕业设计（论文）主要任务及要求
1、查阅不少于15篇的相关资料，其中英文文献不少于3篇，完成开题报告。 2、掌握卷积神经网络的原理，学习C ，python等编程语言，并基于一种编程语言实现一个前向卷积神经网络。3、掌握参数压缩算法，并编程实现算法，编写一个参数压缩工具。 4、完成不少于5000汉字的英文文献翻译。 5、完成不少于12000字的毕业论文。
3. 毕业设计（论文）完成任务的计划与安排
第1－3周：查阅相关文献资料，明确研究内容，了解研究所需技术语言和开发工具，初步搭建并熟悉开发环境。确定方案，完成开题报告。 第4－5周：阅读参考文献，掌握参数压缩算法的原理和步骤。 第6－8周：编程实现压缩算法、压缩工具，测试各个程序模块。第9－10周：编程实现前向卷积神经网络，测试各个程序模块。 第11－13周：将程序模块进行整合，完成调试和测试。 第14－16周：完成并修改毕业论文。 第17周：准备论文答辩。
4. 主要参考文献
[1] Jegou, Herve, Douze, Matthijs, and Schmid, Cordelia. Product quantization for nearest neighbor search[M]. IEEE TPAMI, 2011. [2] Gong, et al. (2014). Compressing Deep Convolutional Networks using Vector Quantization. arXiv Preprint arXiv:1412.6115. [3] Han, et al. (2015). Learning both weights and connections for efficient neural networks. arXiv Preprint arXiv:1506.02626. [4] Hinton, et al. (2015). Distilling the knowledge in a neural network. arXiv Preprint arXiv:1503.02531. [5] Romero, et al. (2014). Fitnets: Hints for thin deep nets. arXiv Preprint arXiv:1412.6550.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文任务书，课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
