转换为csr_matrix后,将权重重新加载到fc层

时间:2017-08-15 04:23:37

标签: deep-learning caffe pycaffe

我试图以压缩的稀疏行格式在fc图层中存储权重。当我检索权重并将它们转换为CSR矩阵格式时,它在内存中的大小会大幅减少但是当我将其加载回caffe时,我的模型大小保持不变。基本上这就是我正在做的事情:

temp2 = net.params['ip1'][0].data.shape
sparse_csr1 = sparse.scr_matrix(temp2, shape)
net.params['ip1'][0].data[...] = sparse_csr1
net.save('compressed.caffemodel')

任何建议都将受到赞赏。

2 个答案:

答案 0 :(得分:0)

Caffe不支持稀疏matices,因此你不能从权重的稀疏压缩中受益。

答案 1 :(得分:0)

看起来这些repos对于inner-product和conv层都是如此: