一种基于特征导向解耦网络结构的滤波器修剪方法

现有的很多深度神经网络模型剪枝方法需要修改损失函数或在网络中嵌入额外的变量,无法直接受益于预训练网络,而且复杂化了前向推理和训练过程.到目前为止,大部分特征导向的剪枝工作仅利用通道内信息分析滤波器的重要性,使得剪枝过程无法利用通道间的潜在联系.针对上述问题,基于特征导向从通道间的角度考虑滤波器修剪任务,使用几何距离度量通道间的潜在相关性,将滤波器修剪定义为一个优化问题,并引入贪婪策略寻求最优解的近似解.该方法实现了剪枝与网络、剪枝与训练的解耦,从而简化了修剪任务.大量的实验证明了该方法对于各种网络结构都有良好的性能,例如在CIFAR-10数据集上,将VGG-16的参数量和浮点运算量分别降低了87.1%和63.7%,并且达到93.81%的高精度.还使用轻量型网络MobileFaceNets和CASIA-WebFace数据集评估该方法的性能,结果显示使用该剪枝方法后,MobileFaceNets在参数量和浮点运算量分别降低58.0%和63.6%的情况下,在LFW上的测试精度仍然达到99.02%,而且推理精度几乎没有损失(源代码发布在:https://github.com/SSriven/FOAD).

以发热、败血症为首发表现的十二指肠乳头癌一例

患者男，75岁。因“反复畏寒，发热半个月”入院。患者3年前有“胆囊切除术”史。半个月前，患者无明显诱因出现发热，伴畏寒，体温一般于午后在感畏寒后上升．波动于38℃左右，夜间可自行降至正常，一日或数日后又再次出现畏寒、发热，性质如前，发热间期体温正常，偶感胸闷、乏力，无寒战，无咳嗽咳痰，无恶心呕吐，无头昏头痛．无皮肤眼结膜发黄，无皮疹出现，无肉眼血尿，