Deep learning 转换为csr_矩阵后，将权重重新加载到fc层

我试图以压缩的稀疏行格式在fc层中存储权重。当我检索权重并将其转换为CSR矩阵格式时，它在内存中的大小急剧减小，但当我将其加载回caffe时，我的模型大小保持不变。基本上我就是这么做的：

temp2=net.params['ip1'][0].data.shape
稀疏\u csr1=稀疏.scr\u矩阵（temp2，形状）
net.params['ip1'][0]。数据[…]=sparse_csr1
net.save（'compressed.caffemodel'）

---

任何建议都将不胜感激。

Caffe不支持稀疏材质，因此您无法从权重的稀疏压缩中获益。

看起来这些回购协议对内积层和conv层都能做到这一点：

---

我一直在尝试实施本文中的步骤，作者表示，在修剪之后，他们将权重存储在csr格式中。我想知道这是怎么做到的，因为他们使用了caffee，他们可能会覆盖caffe.related的caffe github的save和load方法。