Exploring the Regularity of Sparse Structure in Convolutional Neural Networks
方法介绍
目的:
探索稀疏性和预测精度之间的关系
能不能在稀疏性的规则中找到一个平衡点,这个点是如何提升硬件实现效率的为了探索上面的问题,文章设置了几种不同的剪枝粒度等级,在前人的基础上进行对比实验,探索剪枝粒度和预测精度之间的关系,分析不同粒度等级下的存储量和硬件效率
Range of granularity粒度范围也是文章的一个点,按照dim的增加划分为不同的粒度等级,四个,第一个是细粒度,也就是逐元素的,剩下三个都归为粗粒度
因为文章更关注粒度尺寸在实验中的影响而不是prune的方法,所以文章里用了一个简单直观的方法->
pruning criterion in “Learning both weights and connections for efficient neural network.”