摘要： 本文提出了一种新的学习范式-滤波器嫁接，旨在提高深神经网络（DNNs）的表示能力。其动机是dnn具有不重要（无效）的过滤器（例如，l1范数接近0）。这些过滤器限制了dnn的潜力，因为它们被认为对网络几乎没有影响。为了提高效率，过滤修剪去除了这些无效的过滤器，而过滤嫁接则从提高精度的角度重新激活它们。 阅读全文