Core Concepts
과도하게 복잡한 신경망을 단순화하여 계산 부담을 줄이는 방법을 제안한다.
Abstract
이 논문은 신경망의 깊이를 줄이는 방법인 EASIER를 제안한다. EASIER는 활성화 함수의 엔트로피를 측정하여 가장 낮은 엔트로피를 가진 층을 선별하고 선형 활성화 함수로 대체함으로써 신경망의 깊이를 줄인다. 이를 통해 계산 부담을 줄이면서도 성능 저하를 최소화할 수 있다. 실험 결과, EASIER는 기존 방법들에 비해 더 많은 층을 제거하면서도 성능 저하가 적은 것으로 나타났다. 특히 CIFAR-10 데이터셋에서 ResNet-18, VGG-16, Swin-T, MobileNetv2 모델에 적용했을 때 좋은 결과를 보였다. 또한 다양한 하드웨어에서의 추론 시간 및 FLOPs 감소 효과도 확인할 수 있었다.
Stats
신경망 모델의 층 수가 줄어들수록 추론 시간과 FLOPs가 감소한다.
하지만 층 수 감소에 따른 성능 저하가 발생할 수 있다.
Quotes
"과도하게 복잡한 신경망을 단순화하여 계산 부담을 줄이는 것이 중요하다."
"EASIER는 활성화 함수의 엔트로피를 측정하여 가장 낮은 엔트로피를 가진 층을 선별하고 선형 활성화 함수로 대체함으로써 신경망의 깊이를 줄인다."