? ? ? ?分析訓(xùn)練樣本是否冗余的paper. Mark. Mark
? ? ? ?深度學(xué)習(xí)取得突破性的成果鸥昏，但是復(fù)雜的模型結(jié)構(gòu)和需要巨大的訓(xùn)練樣本是很大痛點棍苹。同時爽柒，深度學(xué)習(xí)是否真的需要如此復(fù)雜的模型和參數(shù)厅克，已被證明模型參數(shù)大多是冗余的笆檀，因此，有大量模型裁剪和輕量級模型出現(xiàn)來解決模型參數(shù)冗余的問題尺铣。另外拴曲，大量的樣本是否也存在大量的冗余和重復(fù)，能否采用的相對小的樣本同樣達到好的效果和精度凛忿。論文提出了Facility-Location 和 Disparity-Min 模型澈灼。（后續(xù)進一步分析具體內(nèi)容）
