您需要特定的边缘还是只需要一个不变的稀疏级别？我知道 Keras 允许您将随机种子传递给 dropout 层。如果我正确理解您的需求，您可以设置丢失百分比以获得所需的稀疏度，然后将随机种子设置为始终相同，以便层始终丢弃（并保持）相同的连接。

本教程可能是使用 tensorflow 的方法。树结构导致层之间的稀疏性，并且它是明确编程的。卷积层和全连接层都被使用。作者分享了完整代码的链接。

同意法迪。它只是效率不高。您必须将输入和权重张量拆分为 tensor.size()/k 块，然后对每对块执行单独的 mult,add 操作。即使您有一个高效的索引方案，可以一次性将块连接到 mul-add，您也必须将输出取消索引到一个平面批处理张量。

需要考虑的一些事情是pathnet - pytorch和这个（如果你感兴趣的话，我在某个地方有一个半工作的实现），但两者都是你正在谈论的高效版本的变体，这是某种形式的路由。

我们在前馈中不使用稀疏连接来利用有效的矩阵乘积运算。
但是，如果您想对该方面进行建模，请参阅dropout