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。