我正在尝试使用Keras设计一个优先考虑预测性能的神经网络，并且通过进一步减少每层的层数和节点数量，我无法获得足够高的精度。我注意到我的很大一部分重量实际上是零（> 95％）。有没有办法修剪密集层以期减少预测时间？
答案 0 :(得分：6)
不是专门的方式:(
目前没有简单（专用）的方式与Keras这样做。
https://groups.google.com/forum/#!topic/keras-users/oEecCWayJrM正在进行讨论。
您可能也对本文感兴趣：https://arxiv.org/pdf/1608.04493v1.pdf。
答案 1 :(得分：4)
看看Keras外科医生： https://github.com/BenWhetton/keras-surgeon
我自己还没有尝试过，但是文档声称它具有删除或插入节点的功能。
另外，在查看了一些有关修剪的论文后，似乎许多研究人员创建了一个具有较少通道（或较少层）的新模型，然后将权重从原始模型复制到新模型。
答案 2 :(得分：0)
如果将单个权重设置为零，这是否会阻止它在反向传播期间被更新？那个重量不应该从一个时期到下一个时期保持零吗？这就是为什么在训练之前将初始权重设置为非零值的原因。如果要“删除”整个节点，只需将该节点输出的所有权重设置为零，这将防止该节点在整个训练过程中对输出产生任何影响。
答案 3 :(得分：0)
请参阅此Keras专用工具。 https://www.tensorflow.org/model_optimization/guide/pruning
正如概述所暗示的那样，对延迟改进的支持仍在进行中