实体
Iterative Magnitude Pruning
Iterative Magnitude Pruning
PulseAugur coverage of Iterative Magnitude Pruning — every cluster mentioning Iterative Magnitude Pruning across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新方法将剪枝整合到主动学习中以寻找稀疏模型
研究人员开发了一种名为“改进与剪枝”（I&P）的新方法，该方法将幅度剪枝整合到主动学习再训练周期中。该方法旨在主动学习流程中发现稀疏子网络或“中奖彩票”，而无需显著增加计算成本。研究结果表明，I&P 可以在每次主动学习迭代中生成可部署的稀疏模型，在高达 95% 的稀疏度下实现与密集模型相当的准确性。该方法解决了再训练和获取评分中的计算瓶颈，有望使主动学习在更大模型和数据集上得到实际应用。
-
新的贝叶斯框架增强了神经网络压缩和可解释性
研究人员引入了神经原子普遍性（NAP），一个旨在提高神经网络压缩和可解释性的新颖贝叶斯框架。NAP采用一个四阶段流程，包括贝叶斯彩票识别和Spike and Slab独立高斯模型训练，以实现结构化的节点级模型选择。在包括MNIST分类在内的各种任务上的实证结果表明，NAP可以将活动节点减少到原始架构的8%，同时保持准确的不确定性量化。