深度學習剪枝

一般來說，神經網絡層數越深、參數越多，所得出的結果就越精細。但與此同時，問題也來了：越精細，意味着所消耗的計算資源也就越多。這個問題怎麼破？這就要靠剪枝技術了。言下之意，把那些對輸出結果貢獻不大的參數剪掉。這項技術可追溯至深度學習大神Yan LeCun在1990年的研究。 本文除了對各類剪枝技術進行詳解，還會以案例的形式來進行實驗實操：修剪一個基於VGG-16模型的貓狗分類器。這個案例結果證明，剪

>>阅读原文<<