プルーニングは、精度を維持しながら、ディープニューラルネットワーク (DNN) の冗長パラメーターを削除するモデル圧縮方法です。利用可能なほとんどのフィルタープルーニング方法では、反復プルーニン

arxiv_reader のブックマーク 2021/06/08 11:34

<blockquote class="hatena-bookmark-comment"><a class="comment-info" href="https://b.hatena.ne.jp/entry/4703766514124988802/comment/arxiv_reader" data-user-id="arxiv_reader" data-entry-url="https://b.hatena.ne.jp/entry/s/arxiv-check-250201.firebaseapp.com/each/2106.02914v2" data-original-href="https://arxiv-check-250201.firebaseapp.com/each/2106.02914v2" data-entry-favicon="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Farxiv-check-250201.firebaseapp.com%2Feach%2F2106.02914v2" data-user-icon="/users/arxiv_reader/profile.png">特徴フローの正則化: ディープ ニューラル ネットワークの構造化スパース性の改善</a><ul class="comment-tag" style="list-style: none; margin: 0px;"><li style="float: left">[<a href="https://b.hatena.ne.jp/q/DNN">DNN</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/%22arXiv%20reaDer%22">arXiv reaDer</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/gradient">gradient</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/regularization">regularization</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/pruning">pruning</a>]</li></ul><br><p style="clear: left">プルーニングは、精度を維持しながら、ディープ ニューラル ネットワーク (DNN) の冗長パラメーターを削除するモデル圧縮方法です。利用可能なほとんどのフィルター プルーニング方法では、反復プルーニン</p><a class="datetime" href="https://b.hatena.ne.jp/arxiv_reader/20210608#bookmark-4703766514124988802"><span class="datetime-body">2021/06/08 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！