Komprese konvolutorních vrstev neuronových sítí

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.