多任务深度神经网络的结构剪枝（英文版）

英文标题：Structured Pruning for Multi-Task Deep Neural Networks中文摘要：本文研究了定结构剪枝在多任务深度神经网络模型中的有效性。通过使用基于现有单任务筛选剪枝标准和基于多任务学习筛选剪枝标准，采用迭代剪枝策略进行剪枝，本文表明在参数数目相似的情况下，与快速单任务 DNN 相比，DNN 多任务可以通过精心的超参数调整实现相似的性能，迭代权重剪枝可能不是实现良好性能剪裁模型的最好方式。英文摘要：Although multi-task deep neural network (DNN) models have computation andstorage benefits over individual single-task DNN models, they can be furtheroptimized via model compression. Numerous structured pruning methods arealready developed that can readily achieve speedups in