2017网站设计趋势,珠海做网站哪间好,怎样做网站平台,深圳网站建设 设计卓越迈Model Pruning 相关论文：Learning Efficient Convolutional Networks through Network Slimming (ICCV 2017) 考虑一个问题，深度学习模型里面的卷积层出来之后的特征有非常多，这里面会不会存在一些没有价值的特征及其相关的连接？又如何去判断一个特征及其连接是否有价值？ …
Model Pruning 相关论文：Learning Efficient Convolutional Networks through Network Slimming (ICCV 2017) 考虑一个问题，深度学习模型里面的卷积层出来之后的特征有非常多，这里面会不会存在一些没有价值的特征及其相关的连接？又如何去判断一个特征及其连接是否有价值？ 先给出答案: 在 Batch Normalize 层的缩放因子上施加 L1 正则化· 优点
不需要对现有 CNN 架构进行任何更改使用 L1 正则化将 BN 缩放因子的值推向零 使我们能够识别不重要的通道（或神经元），因为每个缩放因子对应于特定的卷积通道（或全连接层的神经元）这有利于在接下来的步骤中进行通道级剪枝 附加的正则化项很少会损害性能。不仅如此，在某些情况下，它会导致更高的泛化精度剪枝不重要的通道有时可能会暂时降低性能，但这个效应可以通过接下来的修剪网络的微调来弥补剪枝后，由此得到的较窄的网络在模型大小、运行时内存和计算操作方面比初始的宽网络更加紧凑。上述过程可以重复几
