A Survey of Lottery Ticket Hypothesis

抽奖票假设（LTH）指出，一个密集的神经网络模型包含一个高度稀疏的子网络（即获奖票），当其被单独训练时可以达到比原始模型更好的性能。虽然LTH已经在许多研究中得到了实证和理论上的证明，但仍存在一些未解决的问题，例如效率和可扩展性。此外，缺乏开源框架和共识实验设置也对未来LTH研究提出了挑战。我们首次从不同角度审视了之前关于LTH的研究和研究成果。我们还讨论了现有研究中存在的问题，并列出了进一步探索的潜在方向。这项调查旨在深入了解LTH的现状，并开发一个得到充分维护的平台，以进行实验并与最新的基准进行比较。

本论文旨在从不同角度审视Lottery Ticket Hypothesis（LTH），分析其存在的问题，提出未来探索的方向，同时建立一个可维护的平台进行实验和与最新基线的比较。

本论文首次从不同角度综合审视LTH，探讨了其效率和可扩展性等存在的问题，并提出了未来的研究方向。同时，该论文也旨在建立一个可维护的平台进行实验和与最新基线的比较。

该论文提供了一个全面的LTH研究综述，涵盖了LTH的理论和实证研究，同时提出了未来研究的方向和建立实验平台的必要性。该论文还探讨了LTH的效率和可扩展性等问题，并指出LTH的开源框架和一致的实验设置等仍然是未来研究的挑战。该论文的实验设计基于公开数据集，并提供了相应的开源代码。

最近在这个领域中，还有一些相关的研究，例如“SNIP: Single-shot Network Pruning Based on Connection Sensitivity”、“The Lottery Ticket Hypothesis at Scale”、“Deconstructing Lottery Tickets: Zeros, Signs, and the Supermask”等。