该文章介绍了一种新颖简单的神经网络剪枝框架，使用Gumbel-Softmax技术实现了网络的卓越压缩能力，保持了高准确性，仅使用了0.15％的原始网络参数。该框架提升了神经网络的可解释性，能够轻松提取特征重要性并可视化特征对称性和信息传递路径。该方法为深度学习剪枝和可解释的机器学习系统的创建开辟了新途径。

本文介绍了一种新颖简单的神经网络剪枝框架，使用Gumbel-Softmax技术优化网络权重和拓扑结构，实现卓越压缩能力。该框架提升了神经网络可解释性，提取特征重要性并可视化特征对称性和信息传递路径。为深度学习剪枝和可解释机器学习系统开辟新途径。

本文介绍了一种新颖简单的神经网络剪枝框架，使用Gumbel-Softmax技术优化网络权重和拓扑结构，实现了高准确性的网络压缩能力。该框架提升了神经网络的可解释性，能够提取特征重要性并可视化特征对称性和信息传递路径。为深度学习剪枝和可解释的机器学习系统开辟了新途径。