ThiNet: A Filter Level Pruning Method for Deep Neural Network Compression笔记

前言 致力于滤波器的剪枝，论文的方法不改变原始网络的结构。论文的方法是基于下一层的统计信息来进行剪枝，这是区别已有方法的。 VGG-16上可以减少3.31FLOPs和16.63倍的压缩，top-5的准确率只下降0.52%。在ResNet-50上可以降低超过一半的参数量和FLOPs，top-5的准确率只降低1%。   如上图所示，在虚线框中找到那些弱通道（weak channels）和他们对应的滤波

>>阅读原文<<