Komprese konvolutorních vrstev neuronových sítí

Teodor Kováč

Compression of convolutional layers in neural networks

Type of document

diplomová práce
master thesis

Author

Teodor Kováč

Supervisor

Tichavský Petr

Opponent

Vomlel Jiří

Field of study

Matematická informatika

Study program

Aplikace přírodních věd

Institutions assigning rank

katedra matematiky

Rights

A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.html
Vysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html

Metadata

Show full item record

Abstract

Cílem této práce je zefektivnit funkčnost konvolučních neuronových sítí za použití kanonického rozkladu tenzorů. Za tímto účelem tato práce seznamuje čtenáře se základními pojmy a metodami konvolučních neuronových sítí a hledání tenzorových rozkladů. Teoretická část popisuje kompresi konvolučních vrstev. V praktické časti je provedena implementace na sítích určených k úlohám strojového vidění.

The aim of this thesis is to make convolutional neural networks more e_ective with the use of canonical polyadic tensor decomposition. Therefore this work introduces the reader to the basic principles of convolutional neural networks and shows some useful tensor decomposition algorithms. Mathematical description of the methods for the compression of convolutional layers may be found in the theoretical part of this thesis. These methods were implemented in the practical part and its results were evaluated using networks designed for image recognition tasks.