这是AAAI2019的一篇论文，主要是为了解决小数据集的过拟合问题，使用了针对于卷积层的Dropout的方法。

论文的要点记录于下：

1、在训练过程中对于卷积层的channels进行droipout，在test的过程中层与层之间传递所有的channels。

2、对于卷积层的Channels不是随机的去dropout，而是去评定每个channel的重要性，就是所谓的为每个channel去打分,这个channel的值是通过全局平局池化得到的，后面根据这个分数计算概率，再加上一定的随机性，便是去保留哪些channel。

能不能将dropout和剪枝结合起来呢？