Pruning Filters For Efficient ConvNets閱讀筆記

問題的提出 現在，神經網絡模型在很多領域都展現了強大的性能（如：物體分類，目標識別，物體分割，自然語言處理等）。隨着模型性能的提高，網絡結構變得越來越深，參數變得越來越多，這就使得保存模型所需要的內存變多，模型進行推理所需要的計算資源與計算時間也變多。但是，在一些嵌入式設備中，內存與計算資源比較匱乏，對系統的實時性要求較高，這就需要對訓練好的網絡模型進行剪枝，降低保存模型所需要的內存，同時減少模型

>>阅读原文<<