加速边缘应用卷积神经网络的剪枝算法：综述
机器学习
2020-05-12 v1 机器学习
摘要
随着卷积神经网络（CNN）模型尺寸不断增大的总体趋势，模型压缩与加速技术对于将这些模型部署于边缘设备变得至关重要。本文对剪枝这一主要压缩策略进行了全面综述，该策略通过移除CNN模型中非关键或冗余的神经元来实现压缩。本综述涵盖了剪枝的总体动机、不同策略与标准及其优缺点，并汇编了主要的剪枝技术。最后，我们以对剪枝替代方案及模型压缩社区当前面临的挑战的讨论作为综述的结束。
引用
@article{arxiv.2005.04275,
title = {Pruning Algorithms to Accelerate Convolutional Neural Networks for Edge Applications: A Survey},
author = {Jiayi Liu and Samarth Tripathi and Unmesh Kurup and Mohak Shah},
journal= {arXiv preprint arXiv:2005.04275},
year = {2020}
}