Gemeinsames Training und Strukturelles Pruning von CNNs durch lernbare Agenten-Führung und Ausrichtung

Wir schlagen einen neuartigen Ansatz zum strukturellen Pruning von CNN-Modellen vor, bei dem die Gewichte und die Architektur des Modells gemeinsam unter Verwendung eines Reinforcement-Learning-Agenten gelernt werden. Im Gegensatz zu früheren Methoden, die RL für das Pruning verwenden, benötigt unser Verfahren kein vortrainiertes Modell vor dem Pruning.