返回
A Generic Layer Pruning Method for Signal Modulation Recognition Deep Learning Models
DOI:10.1109/TCCN.2024.3520958.png)
摘要
En 中文
随着深度学习在通信系统中的成功应用,深度神经网络正成为自动调制识别(AMR)的首选方法。尽管这些AMR模型取得了令人印象深刻的结果,但它们通常伴随着高计算复杂度和大型模型尺寸,这阻碍了它们在通信系统中的实际部署。为了应对这一挑战,我们提出了一种新颖的层剪枝方法PSR。具体而言,我们将AMR模型分解为若干连续的块,每个块包含具有相似语义的连续层。然后,我们根据各层对模型的贡献,识别出需要保留的层。最后,我们重新组装剪枝后的块并对紧凑模型进行微调。在五个数据集上的大量实验表明,与包括层剪枝和通道剪枝方法在内的多种当前最优基线相比,PSR在效率和有效性方面均表现出优越性。
Keyword:
Automatic modulation recognition
layer pruning
deep learning
edge devices
期刊
I
IF:
7
论文数:
1.6K
被引数:
5.5K

