模型剪枝，“剪”掉了什么？

2020-01-08 05:44:02 作者 | Sara Hooker等 编译 | balala 编辑 | 丛末 深度学习模型运行需要大量的计算、内存和功耗，为了解决模型模型运行的瓶颈，研究者提出了一系列模型压缩方法，其中包括模型剪枝，能够有效地减小内存、功耗，提高计算效率。 然而，「每一枚硬币都有正反两面」，模型剪枝在获得诸多益处的同时，势必也会造成一定的「舍」（损失）。这些损失到底是什么呢？

>>阅读原文<<