文件名称：DeepCompression-PyTorch:学习有效的神经网络的权重和连接https
文件大小：189KB
文件格式：ZIP
更新时间：2024-05-22 01:04:25
JupyterNotebook
一个PyTorch执行。 要运行，请尝试： python train.py --model= ' resnet34 ' --checkpoint= ' resnet34 ' python prune.py --model= ' resnet34 ' --checkpoint= ' resnet34 ' 概括 给定一个ResNets系列，我们可以构建精度和参数数量之间折衷的Pareto边界： Han等。 假设我们可以通过保持网络结构固定但删除单个参数来击败Pareto前沿：
【文件预览】：
DeepCompression-PyTorch-master
----Plots.ipynb(187KB)
----train.py(2KB)
----prune.py(3KB)
----models()
--------wideresnet.py(5KB)
--------__init__.py(178B)
--------resnet.py(8KB)
----utils.py(8KB)
----LICENSE(1KB)
----README.md(1KB)
----resources()
--------pareto.png(24KB)
--------resnets.png(25KB)
----.gitignore(2KB)