論文地址：https://arxiv.org/abs/1709.06030

1. 論文思想

利用強化學習，對網絡進行裁剪，從Layer Removal和Layer Shrinkage兩個維度進行裁剪。 一個是對層判斷是否進行裁剪，一個是判斷一層中的參數的裁剪。

2. 原理圖

3. 實現細節

將層信息進行編碼表示，然后送入雙端的LSTM中，最后通過Softmax學出多個行為的概率。然后來決定層的裁剪信息。

4. 結果

ResNet-34上實現了10倍的壓縮。

轉載于:https://www.cnblogs.com/zhonghuasong/p/7861524.html

總結

以上是生活随笔為你收集整理的论文笔记——N2N Learning: Network to Network Compression via Policy Gradient Reinforcement Learning...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。