ReluPruner

这是一个面向隐私保护推理场景的神经网络ReLU激活函数剪枝工具，通过泰勒展开重要性评估实现渐进式剪枝，在保持模型精度的同时显著减少ReLU计算量。核心功能包括基于一阶/二阶泰勒展开的ReLU重要性估计、结合层深度与梯度信息的分层剪枝策略，以及知识蒸馏辅助的精度保持机制。项目专为优化安全多方计算（MPC）和同态加密（HE）下的神经网络推理效率而设计，适用于需要在加密或分布式环境下部署轻量级模型的安全AI应用。