في عالم الذكاء الاصطناعي، يُعتبر التشذيب (Pruning) أداة حيوية تُستخدم لتحسين كفاءة الشبكات العصبية من خلال تقليص عدد المعلمات، مما يتيح تنفيذها بشكل أسرع وأقل استهلاكًا للموارد. تتمحور طرق التشذيب عادة حول نهجين رئيسيين: التشذيب الأحادي (One-Shot Pruning) الذي يتضمن تنفيذ عملية تدريب واحدة وتطبيق التشذيب في نفس الوقت، والتشذيب المتكرر (Iterative Pruning) الذي يُنفذ عبر دورات متعددة لتحسين دقة الشبكة بشكل تدريجي.

على الرغم من أن أسلوب التشذيب المتكرر قد حصل تاريخيًا على اهتمام أكبر، إلا أن هذا الافتراض لم يُختبر بدقة حتى الآن. في هذا الإطار، تأتي دراستنا لتسلط الضوء على الفروق بين الأسلوبين وتجري مقارنة منهجية وشاملة لهما على مستويات متعددة.

تُظهر نتائج الدراسة أن لكل طريقة مزاياها الخاصة؛ حيث يتفوق التشذيب الأحادي بشكل ملحوظ عند نسب التشذيب المنخفضة، في حين أن التشذيب المتكرر يكون أكثر كفاءة مع نسب التشذيب العالية. وبناءً على هذه النتائج، نقترح اعتماد تقنية التشذيب القائم على الصبر (Patience-Based Pruning) ونتعرف على نهج هجين يُمكن أن يتفوق على الأساليب التقليدية في ظروف معينة.

نطمح من خلال هذه الدراسة إلى تزويد الممارسين برؤى قيمة تساعدهم في اختيار استراتيجية التشذيب المناسبة لهدفهم وقيودهم. للمزيد من التعمق، يمكنكم زيارة الرابط هنا للحصول على الشيفرة المصدرية.