SELF-ADAPTIVE NETWORK PRUNING
参考
简记
-
作者的研究基于两个现象:
-
不同层的最佳剪枝率不同——并非每一层都存在恒定的剪枝率
-
每一类只依赖一小部分的通道——静态剪枝是次优的
-
-
根据这俩现象提出了:SANP(self-adaptive method for network pruning)
-
主要流程:
- SPM = Saliency-and-Pruning Module,显著与剪枝模块,提供显著性分数
- 由下图可知,直接使用SPM,计算显著性分数,然后根据显著性分数生成mask(二值化1),来剪枝
- 作者在3.2节讲了显著性分数的计算方法(3.1主要讲的是Fig2的流程),然后发现其实就是SENet的那一套(平均池化+FC)
- 在3.3节讲了二值化的方法,个人认为没啥重要的,换了其他的应该也差不多
- 在3.4节讲了多任务训练,其实这个多任务就是下图中的Lcost(除了本身的分类Loss之外),作者添加了代表网络cost的Loss,希望二值化后的0越多越好