一种降低基于ReRAM的CNN加速器功耗的模型剪枝方法

摘要

本发明公开了一种降低基于ReRAM的CNN加速器功耗的模型剪枝方法，包括以下步骤：确定CNN卷积神经网络的层数，并设定对CNN卷积神经网络层的剪枝顺序；以ReRAM加速器的阵列尺寸为粒度按序依次对每层的卷积神经网络进行切分稀疏，得到多个网络块并获取每个网络块对应的权重；根据每个网络块对应的权重分别获取每个网络块的剪枝策略，确定对网络块的剪枝数量和剪枝位置，以网络块的性能约束为优化条件筛选剪枝策略以进行比特剪枝；冻结已完成剪枝的剪枝方案，并按序移动至下一层进行神经网络的剪枝操作；本发明将每层的卷积神经网络划分为多个网络块进行结构化稀疏，使用强化学习方算法自动化确定每个网络块对应的模型高精度且功耗损失小的剪枝方案。