1 gen 2017 anni - Ji Lin: Runtime Neural Pruning, NIPS, 2017

Descrizione:

本文提出了一种运行时神经修剪（RNP）框架，该框架在运行时对深层神经网络进行动态修剪。与现有的神经剪枝方法不同，该方法产生一个固定的剪枝模型进行部署，保留了原有网络的全部能力，并根据输入图像和当前特征图自适应地进行剪枝。剪枝是一种自下而上的分层剪枝方法，我们将其建模为马尔可夫决策过程，并利用强化学习进行训练。该代理判断每个卷积核的重要性，并根据不同的样本进行信道删减，当图像更容易执行任务时，网络会被删减更多。由于网络的能力得到了充分的保护，平衡点很容易根据可用资源进行调整。该方法可以应用于现成的网络结构，在速度和精度上达到较好的平衡，尤其是在修剪率较大的情况下。

Aggiunto al nastro di tempo:

Data: