关键词pruning at initialization
搜索结果 - 3
- 循环稀疏训练:足够吗?
通过重复周期性训练,我们提出了 SCULPT-ing 方法,即通过稀疏掩膜的重复周期性训练,然后进行单次剪枝步骤以耦合参数和掩膜,从而在减少计算成本的同时,在高稀疏度条件下达到与最先进的迭代剪枝方法相匹配的性能。
- 初始化时剪枝的信息论障碍
彩票模型的存在考虑了深度学习中是否需要大型模型以及是否可以快速识别和训练稀疏网络,而无需训练包含它们的稠密模型。通过对彩票模型的理论解释,揭示了稀疏网络需要依赖于数据的遮罩来稳定插值噪声数据。研究证实了训练过程中获取的信息可以影响模型容量。
- IJCAI神经网络初始化裁剪的最新进展
这篇论文首次调查了一种新兴的神经网络裁剪方式 —— 在初始化时裁剪(PaI),并介绍了其稀疏训练和稀疏选择两大主要方法。此外,该论文还提供了一个用于不同 PaI 方法的基准测试和检查的代码库。