宽压缩：张量环网络

深度神经网络已在多种现实应用中展现出最先进的性能。为获取性能增益，这些网络变得更大更深，包含数百万甚至数十亿参数及逾千层。其代价是这些大型架构需要巨大的内存、存储和计算量，从而限制了可用性。受近期张量环分解的启发，我们提出张量环网络(Tensor Ring Networks, TR-Nets)，其显著压缩深度神经网络的 fully connected 层与卷积层。结果表明，我们的TR-Nets方法可在不损失精度的情况下将LeNet-5压缩$11\times$，并仅以{Cifar10图像分类}中2.3%的精度下降将最先进的Wide ResNet压缩$243\times$。总体而言，该压缩方案在科学计算与深度学习中，尤其对智能手机、可穿戴设备和IoT设备等新兴资源受限设备具有前景。