本研究提出了一种基于可解释的attention mechanism的网络修剪方法，能在保持准确率的前提下实现模型压缩和加速，适用于各种深度神经网络。实验证明，在Cifar-100数据集上取得了最高的稀疏度和加速比，与最佳方法相比准确率相当；在MNIST和LeNet架构上也取得了最高的稀疏度和加速比。