随着深度学习的迅猛发展，计算机视觉、自然语言处理等一系列领域的算法性能都有了跨越式的进展。深度学习算法在学术界已经普遍应用，但在工业界却还没得到非常广泛的应用，其中一个重要原因就是深度学习网络的模型庞大、计算量巨大。一个卷积神经网络的权重文件动辄数百兆，尽管目前智能手机的性能已经非常优秀，但是要在应用中塞入上百兆的权重也是一个很不明智的选择；另一方面，在一些嵌入式的平台上，存储计算资源都十分有限，深度学习算法的移植更加困难。所以深度学习模型的压缩，是非常重要的一个问题。
现有的神经网络压缩方法主要包括：浅层网络、剪枝网络、紧凑网络、对参数进行离散化处理等。其中剪枝网络是指 对网络进行剪裁，以及对一些不携带有效信息的权重进行过滤，使用裁剪后的参数再重新对网络训练。
本周四晚8点，我们特别邀请到北京大学信息科学技术学院三年级博士生-唐业辉，作客AI研习社NeurIPS2020系列论文解读直播间，为大家详细介绍他被收录的论文情况。嘉宾分享完还有问答环节，欢迎大家积极参与讨论，一起探讨《神经网络小型化: 基于科学控制法的网络剪枝》。
分享主题：
《神经网络小型化: 基于科学控制法的网络剪枝》
分享时间：
2020年12月3日（周四）20:00-21:00
分享嘉宾：
唐业辉
北京大学信息科学技术学院三年级博士生，已有多篇文章被CVPR、AAAI等会议接收，研究内容包括深度神经网络正则化方法、模型压缩和网络结构搜索等。
分享背景
分享提纲
1、神经网络压缩技术的背景和现状
2、基于科学控制法的神经网络剪枝方法（NeurIPS 2020）
3、训练样本不足时的网络剪枝策略 （AAAI 2020）
论文地址
https://papers.nips.cc/paper/2020/hash/7bcdf75ad237b8e02e301f4091fb6bc8-Abstract.html
直播间观看地址
AI研习社直播间：https://live.yanxishe.com/room/886
扫码添加小助手微信，回复【NIPS】进入NeurIPS2020论文交流群
点击“阅读全文”，进入直播间预约，避免错过精彩分享！