在新技术博客中，Google AI 介绍 RigL，一种用于训练稀疏神经网络的算法，该算法在整个训练过程中使用固定的参数计数和计算成本，而不会牺牲相对于现有的密集/稀疏的训练方法。该算法识别出在训练过程中哪些神经元应该处于活动状态，这有助于优化过程利用最相关的连接并获得更好的稀疏解。例如，在 MNIST 上训练多层感知器（MLP）网络的过程中，研究人员经过 RigL 训练的稀疏网络学会了专注于图像的中心，从边缘丢弃了无用的像素。该研究方法的 Tensorflow 实现以及其他三个基准（SET，SNFS，SNIP）可以在 github.com/google-research/rigl 上找到。