Bonsai：基于准则削减用于卷积神经网络加速的框架
人工智能
2026-02-20 v1
摘要
随着更准确和强大的卷积神经网络 (CNN) 的需求不断增长，其规模、执行时间、内存占用和功耗也随之增加。为此，已提出诸如削减等解决方案，这些解决方案采用自己的指标和方法论，即准则，用于决定应如何删除权重。这些解决方案没有共同的实现方法，难以实现和比较。在本工作中，我们引入 Combine，一种基于准则的削减解决方案，并演示它是一个快速且有效的迭代削减框架。我们展示了准则对不同模型具有不同的影响，创建了一种用于比较准则函数的标准语言，并提出了一些新颖的准则函数。我们展示了这些准则函数和框架在 VGG 系列模型中的能力，最多可削减 79% 的滤波器，同时保持或提高准确率，并将网络所需的计算量降低最高可达 68%。
引用
@article{arxiv.2602.17145,
title = {Bonsai: A Framework for Convolutional Neural Network Acceleration Using Criterion-Based Pruning},
author = {Joseph Bingham and Sam Helmich},
journal= {arXiv preprint arXiv:2602.17145},
year = {2026}
}
备注
16 pages, 4 figures, accepted to MLDM 2021