动态HRank网络修剪算法

神经网络剪枝是降低深度网络模型计算复杂度的一种重要方法,使其可以较好地部署在资源有限的设备上。采用深度强化学习算法(Deep Reinforcement learning, DRL)来对网络修剪,自动搜索一个最优的稀疏网络结构。使用深度强化学习搜索每层的压缩率,使用高秩特征图修剪算法(High Rank, HRank)对每层的网络结构进行修剪。在CIFAR-10数据集上,对本方法进行验证,在损失0.57%的精度下,可压缩掉65.02%的计算量和80.24%的参数。