Dynamic Sparse Training是一种新的神经网络剪枝算法，通过可训练的剪枝门限实现优化神经网络参数和结构，并通过反向传播动态地进行精细化调整。与其他稀疏训练算法相比，Dynamic Sparse Training在多个网络架构上取得了业界领先水平。同时，还发现了传统三阶段剪枝算法的潜在问题，为更紧凑的神经网络架构设计提供了理论指导。