Pruning Filters For Efficient ConvNets阅读笔记

问题的提出 现在，神经网络模型在很多领域都展现了强大的性能（如：物体分类，目标识别，物体分割，自然语言处理等）。随着模型性能的提高，网络结构变得越来越深，参数变得越来越多，这就使得保存模型所需要的内存变多，模型进行推理所需要的计算资源与计算时间也变多。但是，在一些嵌入式设备中，内存与计算资源比较匮乏，对系统的实时性要求较高，这就需要对训练好的网络模型进行剪枝，降低保存模型所需要的内存，同时减少模型

>>阅读原文<<