摘要: 如今，CNN 模型被越来越广泛地应用到了各个工业领域中，但这类深度学习模型的参数量都过于庞大，这就导致 将 CNN 置于移动设备储存变得非常困难。为了解决这个问题，本文提出了一种基于最佳聚类的 CNN 模型压缩算法，该 算法首先将 CNN 模型中的全连接层参数，按照最佳 K 均值聚类方法进行聚类，然后仅将聚类中心样本作为模型参数进行 存储，最后在模型正向计算时，对聚类中心样本进行简单的线性变换，从而在压缩模型储存量的同时，提升模型的准确率。 实验在 CIFAR-10 和 SVHN 等数据库上对 LeNet、AlexNet 和 vgg16 这类常见 CNN 模型进行测试，并将压缩模型的参数耗 存和分类准确率与其他模型压缩算法进行对比，实验结果表明，本文所提算法能在大幅度压缩 CNN 模型所需内存的情况 下，确保更高的模型准确率。