English(EN) A Greedy Hierarchical Approach to Whole-Network Filter-Pruning in CNNs

新的分层方法可高效剪枝CNN滤波器

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-26 04:00

研究人员开发了一种新颖的两级分层方法，用于卷积神经网络（CNN）的全局滤波器剪枝。该方法通过剪枝所有层的滤波器来有效减小模型大小和计算需求。该方法利用稀疏近似公式和新颖的闭式误差判据进行反向剪枝，在ResNet和VGG等各种基准网络上优于现有的最先进方法。 AI

影响减小CNN的模型大小和计算需求，使其能够在资源受限的设备上部署。

排序理由该集群包含一篇详细介绍优化神经网络新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Kiran Purohit, Anurag Reddy Parvathgari, Sourangshu Bhattacharya · 2026-05-26 04:00

一种贪婪分层方法用于CNN的整网络滤波器剪枝

arXiv:2409.03777v3 Announce Type: replace-cross Abstract: Deep convolutional neural networks (CNNs) have achieved impressive performance in many computer vision tasks. However, their large model sizes require heavy computational resources, making pruning redundant filters from ex…