智財技轉處 Department of Intellectual Property and Technology Transfer 智財技轉處 Department of Intellectual Property and Technology Transfer

許多應用需要同時執行多目的深度學習模型。當部署多個已經妥善訓練卷積類神經網路CNN在單一系統上時，各自單獨執行它們可能效率不彰。因此，我們需要合併這些模型以有效率執行在資源有限的裝置上。為了部署兩個或多個已經妥善訓練深度學習模型來推論，我們設計了一套方法來一統眾模型成一個緊緻模型。這套方法由三個階段組成:濾波器對齊、共享權重初始化、與模型校正。它可以合併相同架構之已經妥善訓練之前饋式神經網路，成為單一網路，減低線上儲存空間與推論時間。我們的方法可以在有好效能之下，同時改進合併後之已經妥善訓練的CNN之執行時間記憶體壓縮率以及加速。