神经网络进行结构化剪枝后为什么出现准确度下降且微调训练很多代依然精度不高是什么原因导致的，我的剪枝比例设置的也没有那么高啊

Question

请问下各位同学，神经网络进行结构化剪枝后为什么出现准确度下降且微调训练很多代依然精度不高是什么原因导致的，我的剪枝比例设置的也没有那么高啊

Answer 1

【相关推荐】

• 你可以看下这个问题的回答https://ask.csdn.net/questions/7032927
• 这篇博客你也可以参考下：神经网络损失值不下降，训练集准确率明显高于验证集准确率问题的解决办法
• 您还可以看一下 智亮老师的大牛亲授：手把手教你卷积神经网络实战视频教程（超详细教学）课程中的 相似图检索实例2小节, 巩固相关知识点
  
• 除此之外, 这篇博客: 推荐几个经典的计算机视觉项目中的 高效和轻量级卷积神经网络结构设计 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

  1. HRNet-Classification

  微软亚洲研究院视觉计算组提出的一种新型主干网络结构，可以学到多分辨率表征，然后组合多分辨率表征来做图像识别。

  

  代码：
  https://github.com/HRNet/HRNet-Image-Classification

  论文：
  https://arxiv.org/pdf/1904.04514.pdf

  
  

  2. Interleaved group convolutions

  微软亚洲研究院视觉计算组提出的一种轻量级的网络结构，在分类检测等任务上都取得了比谷歌的MobileNetv2更好的结果。

  

  代码：
  https://github.com/homles11/IGCV3

  论文：
  https://arxiv.org/pdf/1707.02725.pdf
  https://arxiv.org/pdf/1804.06202.pdf
  https://arxiv.org/pdf/1806.00178.pdf

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^