↑: [[G検定に関する知識]] - 大きなニューラルネットワークの中に、単独でも同じ精度が出る小さな部分ネット（サブネット）が含まれているという仮説 - プルーニングで9割削っても平気な理由を説明する理論的根拠 - 学習とは、この「当たりくじ」のような部分ネットを見つけ出すこと - cf. [[プルーニング]], [[モデルの軽量化]] - Frankle & Carbin 2019 - 核心：当選チケット（winning ticket）を**元の初期重みのまま**再学習すると元の大規模ネットに匹敵する性能。ランダムに初期化し直すと再現しない（「一から学習」は誤り）← ひっかけ