Designing Energy-Efficient Convolutional Neural Networks using Energy-Aware Pruning

这是CVPR 2017年的一篇论文，研究的是：基于能量消耗导向的网络剪枝。

当我们把CNN运用到嵌入式等电池驱动的设备上时，其能量消耗是个不可忽视的大问题。比如，在一个智能手机上，AlexNet不能运行超过一个小时。而以往地针对网络剪枝的关注点主要在model size和FLOPs上面，没有真正的去关注能量的问题。

这篇文章提出的框架如下：

其步骤如下：

1. 以能量消耗排序层
2. 以幅度大小移除weights
3.  重新存储weights
4. 局部微调
5. 判断还有未剪枝的层：有的话转第 2 步，没的话转第 6 步
6. 全局微调
7. 判断准确度是否低于设定的阈值：是就结束，不是就转第 1 步

这样反复地裁剪可以尽可能地减少网络的能量消耗，从结果上来看，这种方法是可行的：

 但是，这篇论文并没有比较这个方法和其他剪枝方法在能量上的消耗，显得不是很有说服力。