网络剪枝（1）

论文名：Learning Efficient Convolutional Networks through Network Slimming
本文主题：Network Slimming

(1)剪枝的三种意义：

1. re­duce the model size;
2. decrease the run-time memory foot­print;
3. lower the number of computing operations, without compromising accuracy.

1)减少模型大小；2)减少运行时内存足印；3)在不影响精度的情况下，减少计算操作次数。

(2)直接看结论:

It directly imposes sparsity-induced regularization on the scaling
factors in batch normalization layers, and unimportant channels can
thus be automatically identified during training and then pruned

作用对象：BN层（和不重要的通道）
作用方式： imposes sparsity-induced regularization on the scaling factors（比例因子）

(3)啥是Network Slimming和sparsity-induced regularization，scaling factors？？？？？

第一次出现Network Slimming和sparsity-induced regularization,在文章这一段。

Network Slimming的定义翻译一下大概是这样：

我们的方法在批归一化层（BN）中对比例因子施加L1正则化，因此很容易实现无需引入任何更改为现有CNN架构。通过L1正则化将BN标度因子的值推向零，使我们能够识别不重要的通道（或neu-ron），因为每个标度因子对应于特定的进化通道（或完全连接层中的神经元）

1）来自上图段落（蓝线后面），2）来自结论。
换句话说：

1）Our approach imposes L1 regularlization on the scaling
factors in batch normalization (BN) layers
2） imposes sparsity-induced regularization on the scaling factors（比例因子）

然后这段话看完其实就是一张图

然后就是进入Related Work段落
这一段主要介绍网络结构压缩的方法，基本上没啥必要看哈哈哈哈

Network slimming 这一段
中国人发的论文最懂中国人！！！黑体字就把重点讲的一清二楚了

我不知道翻译对不对。大体上就是一个惩罚项