网络模型剪枝-论文阅读《Pruning Filters For Efficient Convnets》

之前的两篇分别讲了剪枝的权重剪枝和神经元剪枝，这篇是专门针对CNN卷积核进行剪枝的，还是挺有针对性和有效的，建议大家去看下原文。

Introduction

论文首先指出了现有剪枝网络的两个主要问题：一个是有些剪枝方法在剪枝后并不能减少计算时间，因为大多数的剪枝操作是在计算量不大的FC层完成的；另一个问题是，有些能剪枝CNN的方法在剪枝后需要使用单独的稀疏网络框架（BLAS）甚至专门的硬件上才能运行。

所以本文专注于对卷积核剪枝，与权重剪枝相比，卷积核剪枝对于剪枝操作更自然，不会引入稀疏连接，所以不需要使用专门的框架或者硬件。

剪枝卷积核和特征图

在叙述剪枝卷积核操作之前，需要回顾一下CNN中卷积是如何操作的。

对于一个维度为$[n_i\times h_i\times w_i]$的输入特征x_i，其中n_i、h_i、w_i分别是第i层卷积层的输入特征通道数、高和宽。单个卷积操作是将一个大小为$[n_i\times k_i\times </$