深度學習模型壓縮方法綜述（三）

深度學習模型壓縮方法綜述（一） 深度學習模型壓縮方法綜述（二） 深度學習模型壓縮方法綜述（三）git 前言 在前兩章，咱們介紹了一些在已有的深度學習模型的基礎上，直接對其進行壓縮的方法，包括核的稀疏化，和模型的裁剪兩個方面的內容，其中核的稀疏化可能須要一些稀疏計算庫的支持，其加速的效果可能受到帶寬、稀疏度等不少因素的制約；而模型的裁剪方法則比較簡單明瞭，直接在原有的模型上剔除掉不重要的filter

>>阅读原文<<