通道双相稀疏剪枝框架

精度无损减一半通道

利用训练早期神经元活动先于权重稳定的规律，以双相显著性指标在稀疏训练中直接获得结构化稀疏，省去稠密到稀疏的额外训练成本。

Jun, Li · Li, Qiang · Yiying, Jiang · Jionghao, Zhang · Hailong, Zou · Mengdie, Tao · Liang, Wang · Hang, Ran · Gang, Li · Zhang, Zhe · Bingchen, Zhang · Zhan, Yi · 乔树山

Neurocomputing 2026

参数信息

SOPs 减少

42.1 %

通道稀疏度

50 %

技术优势

无需两阶段训练

在稀疏训练中直接施加结构化稀疏，省去稠密到稀疏再重训练的额外成本。

剪枝不损精度

VGG-16 剪掉一半通道，CIFAR-10 精度保持不变。

硬件友好结构

生成通道级结构化稀疏，能直接在类脑芯片等硬件上加速。

应用场景

• AI加速器部署：部署到类脑芯片时直接利用结构化稀疏加速推理。
• 边缘端低功耗推理：减少 SOPs 降低边缘端推理能耗。
• 机器人端侧智能：在机器人端侧资源受限条件下维持精度并压缩计算。