典型文献
基于Conformer的端到端语音识别模型的压缩优化策略
文献摘要：
随着深度学习的兴起,端到端语音识别模型受到越来越多的关注.最近,基于Conformer框架的提出,使得端到端语音识别模型的性能得到进一步的提升,同时在语音识别领域也得到了广泛的应用.然而,这些端到端模型由于内存和计算需求较大,所以在资源有限的设备上部署和推理是受限的.该文为了保证模型精度损失较小的情况下,尽可能地减少模型的大小和计算量,分别采用了模型量化,基于权重通道的结构化剪枝以及奇异值分解等三种压缩优化策略,同时对模型量化进行了改进.探究了不同程度的压缩对模型精度损失所造成的影响.通过结合这些策略在不同设备进行了测试,相比于基线在其字错误率误差小于3％的情况下,模型推理识别的速度约提升3～4倍.
文献关键词：
深度学习;端到端语音识别;Conformer;量化;剪枝;分解
中图分类号：
作者姓名：
桑江坤;努尔麦麦提·尤鲁瓦斯
作者机构：
新疆大学信息科学与工程学院,新疆乌鲁木齐830046;新疆多语种信息技术实验室,新疆乌鲁木齐830046
文献出处：
引用格式：
[1]桑江坤;努尔麦麦提·尤鲁瓦斯-.基于Conformer的端到端语音识别模型的压缩优化策略)[J].信号处理,2022(12):2639-2649
A类：
B类：
Conformer,端到端语音识别,语音识别模型,端到端模型,模型精度,精度损失,计算量,模型量化,结构化剪枝,奇异值分解,失所,错误率,模型推理
AB值：
0.249473
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
