论文品读：Stability Based Filter Pruning for Accelerating Deep CNNs

2018年的论文，提出了一种新的评价卷积核重要程度的方式。

主要思想是比较改变损失函数前后训练得到的两套参数，如果某个位置的参数改变的幅度大，就认为该参数是敏感的不稳定的，那就是不重要的，优先裁剪。

具体过程如下

1.正常训练得到基础模型参数。

2.改变损失函数并训练1到3个epoch得到新的模型参数，新的损失函数为左边公式的L，C是原始损失函数，K代表网络有几层，S通过右边公式得到。右边公式的代表网络的第i层第j个卷积核的第l个点的值。左边示意图中的红色的值应该用表示，代表第i层第一个卷积核的第一个点的值，右图应该用表示，代表第i层第2个卷积核的第2个点的值。公式中的Ⅱ的含义是，如果括号里的表示成立则为1，否则为0.

，

                        

3.然后对于某层的某个卷积核，后参数所有点的值的和的绝对值    跟    前参数所有点的值的和的绝对值   的比值作为衡量该层该卷积核的重要性，比值大的就认为是不稳定的是不重要的。

4.每次裁剪之后微调2-5个epochs

但是问题是作者只给出了某个层内的各个卷积核的重要性对比，没有给出层间的重要性比较方式，而且论文还直接指定了每层要裁剪的通道个数？？？