模型剪枝，「剪」掉了什麼？

2020-01-08 05:44:02 作者 | Sara Hooker等 編譯 | balala 編輯 | 叢末 深度學習模型運行需要大量的計算、內存和功耗，爲了解決模型模型運行的瓶頸，研究者提出了一系列模型壓縮方法，其中包括模型剪枝，能夠有效地減小內存、功耗，提高計算效率。 然而，「每一枚硬幣都有正反兩面」，模型剪枝在獲得諸多益處的同時，勢必也會造成一定的「舍」（損失）。這些損失到底是什麼呢？

>>阅读原文<<