对于TensorFlow的对象检测api中的Faster-RCNN架构，有没有神经网络修剪的工作示例？

Question

我正在尝试为Faster-RCNN架构找到一个神经网络修剪的工作示例。

我的核心堆栈是TensorFlow1.12，它的Python3.5.2 (Ubuntu16.04LTS)上的object_detection应用程序接口(link)。我遇到了一些神经网络修剪报告(例如link，使用泰勒展开link实现了NVIDIA的修剪论文-看起来最有希望的是(a)在Pytorch中实现，(b)在分类网络上而不是检测器上)。

我也知道这个软件包(link)下的TensorFlow中存在修剪功能，但只能运行以下StackOverflow问题(link)的注释中的示例来训练和修剪(未经过彻底测试)一个简单的神经网络，用于使用MNIST数据集进行手写数字分类。

我正在寻找一个工作的例子，而不是在代码中报告任何错误或问题。

谁能给我指出一个修剪速度更快的例子-RCNN -or其他检测器-在TensorFlow的对象检测API (link)上，最好是使用TensorFlow的修剪包(link)？

Answer 1

修剪与用于对象检测的元体系结构正交。当我们谈论TensorFlow对象检测应用程序接口时，它严重依赖于读取配置并创建相应的网络、类等的构建器。我相信你想要修剪特征提取器作为最重的部分。如果是这样，你需要首先从slim (比方说，Inception-V2)中修剪一些特征提取器，给它一个名字，将它修剪后的版本添加到models中，调整proto配置等等。简而言之，你需要引入一种新的特征提取器。但我不知道在这方面有任何现有的例子。