Data-Driven Sparse Structure Selection for Deep Neural Networks 論文翻譯

摘要 深度卷積神經網絡在各種任務中已經展現出其非同凡響的效果。然而，由於其很高的計算複雜度，將最先進的模型部署到現實應用中任然是很具有挑戰性的。如何在沒有大量實驗和專家知識的情況下設計一個緊湊而有效的網絡？在本文中，我們提出了一種簡單有效的框架，以端對端的方式學習和修剪深度模型。 在我們的框架中，首先引入了一種新的參數縮放因子來縮放特定結構的輸出，如神經元，組或殘差塊。然後我們對這些因素加上稀疏正

>>阅读原文<<