Buchumschlag

Decay Pruning Method: Smooth Pruning With a Self-Rectifying Procedure

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Minghao, Gao, Linlin, Li, Pengyuan, Li, Wenbo, Dong, Yihong, Cui, Zhiying
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Reassessing Layer Pruning in LLMs: New Insights and Methods
von: Lu, Yao, et al.
Veröffentlicht: (2024)

LoRAPrune: Structured Pruning Meets Low-Rank Parameter-Efficient Fine-Tuning
von: Zhang, Mingyang, et al.
Veröffentlicht: (2023)

Batch Loss Score for Dynamic Data Pruning
von: Zhou, Qing, et al.
Veröffentlicht: (2026)

Pruning By Explaining Revisited: Optimizing Attribution Methods to Prune CNNs and Transformers
von: Hatefi, Sayed Mohammad Vakilzadeh, et al.
Veröffentlicht: (2024)

Adversarial Pruning: A Survey and Benchmark of Pruning Methods for Adversarial Robustness
von: Piras, Giorgio, et al.
Veröffentlicht: (2024)

Shapley Pruning for Neural Network Compression
von: Adamczewski, Kamil, et al.
Veröffentlicht: (2024)

Pruning Self-attentions into Convolutional Layers in Single Path
von: He, Haoyu, et al.
Veröffentlicht: (2021)

Hierarchical Safety Realignment: Lightweight Restoration of Safety in Pruned Large Vision-Language Models
von: Li, Yue, et al.
Veröffentlicht: (2025)

ICE-Pruning: An Iterative Cost-Efficient Pruning Pipeline for Deep Neural Networks
von: Hu, Wenhao, et al.
Veröffentlicht: (2025)

PruneFuse: Efficient Data Selection via Weight Pruning and Network Fusion
von: Kousar, Humaira, et al.
Veröffentlicht: (2026)

ConceptPrune: Concept Editing in Diffusion Models via Skilled Neuron Pruning
von: Chavhan, Ruchika, et al.
Veröffentlicht: (2024)

Is Complexity Required for Neural Network Pruning? A Case Study on Global Magnitude Pruning
von: Gupta, Manas, et al.
Veröffentlicht: (2022)

SGLP: A Similarity Guided Fast Layer Partition Pruning for Compressing Large Deep Models
von: Li, Yuqi, et al.
Veröffentlicht: (2024)

Large-scale Dataset Pruning with Dynamic Uncertainty
von: He, Muyang, et al.
Veröffentlicht: (2023)

Growing Networks with Autonomous Pruning
von: De Lambilly, Charles, et al.
Veröffentlicht: (2026)

Is Oracle Pruning the True Oracle?
von: Feng, Sicheng, et al.
Veröffentlicht: (2024)

Distilling the Knowledge in Data Pruning
von: Ben-Baruch, Emanuel, et al.
Veröffentlicht: (2024)

Training-Free Dataset Pruning for Instance Segmentation
von: Dai, Yalun, et al.
Veröffentlicht: (2025)

Physics Inspired Criterion for Pruning-Quantization Joint Learning
von: Xie, Weiying, et al.
Veröffentlicht: (2023)

EPSD: Early Pruning with Self-Distillation for Efficient Model Compression
von: Chen, Dong, et al.
Veröffentlicht: (2024)

Efficient Fine-Tuning and Concept Suppression for Pruned Diffusion Models
von: Shirkavand, Reza, et al.
Veröffentlicht: (2024)

Rényi Attention Entropy for Patch Pruning
von: Aizawa, Hiroaki, et al.
Veröffentlicht: (2026)

Pruning at Initialization -- A Sketching Perspective
von: Bar, Noga, et al.
Veröffentlicht: (2023)

Exploring 3D Dataset Pruning
von: Zhao, Xiaohan, et al.
Veröffentlicht: (2026)

Data Pruning in Generative Diffusion Models
von: Briq, Rania, et al.
Veröffentlicht: (2024)

Auto-Train-Once: Controller Network Guided Automatic Network Pruning from Scratch
von: Wu, Xidong, et al.
Veröffentlicht: (2024)

Multimodal Machine Translation with Visual Scene Graph Pruning
von: Lu, Chenyu, et al.
Veröffentlicht: (2025)

Data-independent Module-aware Pruning for Hierarchical Vision Transformers
von: He, Yang, et al.
Veröffentlicht: (2024)

Multimodal-Guided Dynamic Dataset Pruning for Robust and Efficient Data-Centric Learning
von: Yang, Suorong, et al.
Veröffentlicht: (2025)

Rethinking Pruning for Vision-Language Models: Strategies for Effective Sparsity and Performance Restoration
von: He, Shwai, et al.
Veröffentlicht: (2024)

AdapMTL: Adaptive Pruning Framework for Multitask Learning Model
von: Xiang, Mingcan, et al.
Veröffentlicht: (2024)

Training-Free Restoration of Pruned Neural Networks
von: Lee, Keonho, et al.
Veröffentlicht: (2025)

Towards Meta-Pruning via Optimal Transport
von: Theus, Alexander, et al.
Veröffentlicht: (2024)

Investigating the Effect of Network Pruning on Performance and Interpretability
von: von Rad, Jonathan, et al.
Veröffentlicht: (2024)

DRoP: Distributionally Robust Data Pruning
von: Vysogorets, Artem, et al.
Veröffentlicht: (2024)

Efficient Vision-Language Reasoning via Adaptive Token Pruning
von: Li, Xue, et al.
Veröffentlicht: (2025)

AutoDFP: Automatic Data-Free Pruning via Channel Similarity Reconstruction
von: Li, Siqi, et al.
Veröffentlicht: (2024)

Not All Prompts Are Made Equal: Prompt-based Pruning of Text-to-Image Diffusion Models
von: Ganjdanesh, Alireza, et al.
Veröffentlicht: (2024)

CORP: Closed-Form One-shot Representation-Preserving Structured Pruning for Transformers
von: Zhang, Boxiang, et al.
Veröffentlicht: (2026)

Subspace Node Pruning
von: Offergeld, Joshua, et al.
Veröffentlicht: (2024)