本研究介绍了通道门控方法，通过跳过对分类结果没有贡献的输入通道的计算，优化卷积神经网络。实验证明，该方法能够减少运算量和内存访问，并结合知识蒸馏可以进一步降低计算成本。设计了一个加速器，能够以2.4倍的速度进行量化的ResNet-18模型的推理，并实现了2.8倍的理论FLOP减少。