基于可解释机器学习的神经网络软剪枝策略

软剪枝是重要的神经网络剪枝策略，但该策略通常只考虑滤波器参数大小或参数矩阵在空间的分布，忽略了参数编码的语义信息，忽略了滤波器参数与数据的紧密联系。为此，提出一种基于可解释机器学习的神经网络软剪枝策略，该策略通过结合可解释机器学习方法，分析滤波器对数据内容理解的重要程度，以该重要程度为指标进行滤波器的排序和剪枝。实验结果表明，该策略在VGG、ResNet模型、CIFAR10通用数据集上均取得了较好的剪枝效果，并具有可解释性，可充分挖掘滤波器参数与图像信息之间的相关性分布。