深度學習模型壓縮與加速方法

大型神經網絡具有大量的層級與節點，因此考慮如何減少他們所需要的內存與計算量就顯得極爲重要，特別對於在線學習和增量學習等實時應用。此外，近來只能可穿戴設備的流行也爲研究院提供了在資源（內存，cpu，能耗和帶寬等）有限的便攜式設備上部署深度學習應用提供了機會。比如resnet50，他有50層卷積網絡，超過95M的存儲需求和計算每一張圖片所需要的浮點數乘法時間。如果剪枝一些冗餘的權重後，其大概能節約75

>>阅读原文<<