- …
- …
#644
summarized by : 金城 忍
どんな論文か？
学習可能なゲートを使用してBernoulli分布を近似し、各層で活性化するチャンネルを予測し、それらをGRUで結合してネットワークの性能を予測し、ターゲットとなる精度、計算量に基づいた各層でのチャンネルサイズを決定する手法の提案
新規性
実際にモデルを学習せずに精度を予測し、ネットワーク構造を決定するという点で新規
結果
ResNet-56、MobileNetV2をベースにCIFAR-10を使用した評価ではプルーニング前後の精度の変化の差で提案手法は既存手法より高い結果となる一方で、ResNet、MobileNetV2、ShuffleNetV2をベースにImageNetを使用した評価では提案手法は既存手法よりTop1で良い結果を達成し、計算量の改善も確認された (MobileNetV2を除く)
その他（なぜ通ったか？等）
- …
- …