【神经网络压缩】A GRADIENT FLOW FRAMEWORK FOR ANALYZING NETWORK PRUNING

茶与斑马

于 2021-11-04 21:56:10 发布

阅读量479

点赞数

分类专栏：神经网络文章标签：神经网络人工智能

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/qu_learner/article/details/121149689

版权

论文阅读

一、重要性评判准则：
二、论文第四节
- 1.GRADIENT FLOW AND MAGNITUDE-BASED PRUNING
总结

一、重要性评判准则：

变量说明：Θ(t)代表t时刻的参数； g(Θ(t))为loss对t时刻参数的梯度；H(Θ(t))为Hessian矩阵；损失为L(Θ(t))；I(Θp(t))为重要性。

1.Magnitude-based measures:

在这里插入图片描述

2.Loss-preservation based measures

在这里插入图片描述

3.Increase in gradient-norm based measures:

在这里插入图片描述

二、论文第四节

1.GRADIENT FLOW AND MAGNITUDE-BASED PRUNING

最低0.47元/天解锁文章

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。