ネットワークプルーニングは、ディープニューラルネットワークの計算コストとモデルサイズを削減するために広く使用されている手法です。ただし、一般的な3段階のパイプライン、つまりトレーニング、プルーニング、

arxiv_reader のブックマーク 2021/03/26 11:34

<blockquote class="hatena-bookmark-comment"><a class="comment-info" href="https://b.hatena.ne.jp/entry/4700333979414051106/comment/arxiv_reader" data-user-id="arxiv_reader" data-entry-url="https://b.hatena.ne.jp/entry/s/arxiv-check-250201.firebaseapp.com/each/2012.10079v2" data-original-href="https://arxiv-check-250201.firebaseapp.com/each/2012.10079v2" data-entry-favicon="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Farxiv-check-250201.firebaseapp.com%2Feach%2F2012.10079v2" data-user-icon="/users/arxiv_reader/profile.png">代理ラグランジュ緩和を使用した再トレーニングなしのディープニューラルネットワークプルーニングの有効化</a><ul class="comment-tag" style="list-style: none; margin: 0px;"><li style="float: left">[<a href="https://b.hatena.ne.jp/q/YOLO">YOLO</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/pruning">pruning</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22arXiv%20reaDer%22">arXiv reaDer</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/compression">compression</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/dataset">dataset</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/arXiv">arXiv</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/classification">classification</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/detection">detection</a>]</li></ul><br><p style="clear: left">ネットワークプルーニングは、ディープニューラルネットワークの計算コストとモデルサイズを削減するために広く使用されている手法です。ただし、一般的な3段階のパイプライン、つまりトレーニング、プルーニング、</p><a class="datetime" href="https://b.hatena.ne.jp/arxiv_reader/20210326#bookmark-4700333979414051106"><span class="datetime-body">2021/03/26 11:34</span></a></blockquote><script src="https://b.st-hatena.com/js/comment-widget.js" charset="utf-8" async></script>

このブックマークにはスターがありません。
最初のスターをつけてみよう！