PAODING：面向数据免费剪枝的高保真预训练神经网络剥离工具包
机器学习
2025-06-19 v2
摘要
我们提出 PAODING，一个通过数据免费剪枝方式剥离预训练神经网络模型的工具包。为保持模型保真度，PAODING 采用迭代过程，动态测量删除单个神经元的效果，以识别对输出层影响最小的候选方案。我们的评估显示，PAODING 能显著减小模型大小，在不同数据集和模型上具有良好泛化性，同时以测试准确率和对抗鲁棒性等指标保持模型保真度。PAODING 通过 https://pypi.org/project/paoding-dl 在 PyPI 上公开可用。
引用
@article{arxiv.2405.00074,
title = {PAODING: A High-fidelity Data-free Pruning Toolkit for Debloating Pre-trained Neural Networks},
author = {Mark Huasong Meng and Hao Guan and Liuhuo Wan and Sin Gee Teo and Guangdong Bai and Jin Song Dong},
journal= {arXiv preprint arXiv:2405.00074},
year = {2025}
}
备注
3 pages