DeepCompression:神经网络迭代修剪的实现[Han2015]

的实现，仅在mnist上有效。 谢谢 用法 迭代修剪 cd mnist_iterative_pruning python iterative_prune.py -1 -2 -3 这将在mnist上训练卷积模型。 然后在fc层上修剪并重新训练20次。 最后，fc层将转换为稀疏格式并保存。 表现 我们拥有相当不错的修剪性能，将精度保持在0.987，而在fc层中修剪了99.77％的权重。 保持重量比 准确性 1个 0.99 0.7 0.991 0.49 0.993 0.24 0.994 0.117 0.993 0.057 0.994 0.013 0.993 0.009 0.992 0.0047 0.99 0.0023 0.987 0.0016 0.889 0.0011 0.886 0.00079 0.677 0.00056 0.409 就