1.dropout与spiltnet区别：

例如，如果一个玩具网络层有10个神经元，dropout会为所有10个神经元提供一个独立的表示。相比之下，SplitNets只对拟合假设拟合假设内的神经元进行了独立表征。因此，分裂掩模M提供了更精细的控制级别。

2.扩展dropout的trick：

因为深层网络输入图片的某些通道不会被激活，即会丢失部分特征信息。

Weighted Channel Dropout (WCD）：three extra modules to a deep network:

1.GlobalAverage Pooling,

2.Weighted Random Selection,

3.Random Number Generator.

These three modules are added to multiple convolutional layers.

3.KE与各剪枝方法的比较:

P12.A. Appendix: Related Work

标签：10,evolution,Weighted,Knowledge,dropout,Random,three,神经元
来源： https://blog.csdn.net/leoliu2n/article/details/122254988