Resumen: La poda de canales es una técnica poderosa para reducir la sobrecarga computacional de las redes neuronales profundas, lo que permite una implementación eficiente en dispositivos con recursos limitados. Sin embargo, los métodos de poda existentes a menudo dependen de la heurística local o los criterios basados en el peso que no logran capturar dependencias estructurales globales dentro de la red, lo que lleva a decisiones de poda subóptimas y un rendimiento del modelo degradado. Para abordar estas limitaciones, proponemos un nuevo marco de poda automática de canal automático (SACP) consciente de la estructura que utiliza redes convolucionales de gráficos (GCN) para modelar la topología de la red y aprender la importancia global de cada canal. Al codificar las relaciones estructurales dentro de la red, nuestro enfoque implementa la poda consciente de la topología y esta poda está completamente automatizada, reduciendo la necesidad de intervención humana. Restringimos las combinaciones de la tasa de poda a un espacio específico, donde el número de combinaciones se puede ajustar dinámicamente y utilizar un enfoque basado en la búsqueda para determinar las combinaciones óptimas de la tasa de poda. Experimentos extensos en conjuntos de datos de referencia (CIFAR-10, ImageNet) con varios modelos (ResNet, VGG16) demuestran que SACP supera a los métodos de poda de última generación sobre la eficiencia de la compresión y competitivo en la retención de precisión.
Publicado Originalme en rss.arxiv.org El 15 de junio de 2025.
Ver Fuente Original
