【MIT-MLSys2020】神经网络剪枝的研究进展状态，Neural Network Pruning

神经网络修剪——通过删除参数来减小网络大小的任务——是近年来大量工作的主题。我们提供了文献的荟萃分析，包括剪枝方法的概述和文献中一致的发现。在对81篇论文的结果进行汇总，并在受控条件下对数百个模型进行修剪之后，我们最明确的发现是，社区缺乏标准化的基准和度量标准。这一缺陷非常严重，以至于很难对修剪技术进行比较，也很难确定这一领域在过去三十年中取得了多大的进步。为了解决这种情况，我们确定了当前实践中的问题，提出了具体的补救措施，并引入了ShrinkBench，这是一个开源框架，用于促进修剪方法的标准化评估。我们使用收缩台对各种修剪技术进行了比较，结果表明，它的综合评价可以防止在比较修剪方法时常见的缺陷。