深度神經網絡模型壓縮

「本文介紹的論文全面概述了深度神經網絡的壓縮方法，主要可分爲參數修剪與共享、低秩分解、遷移/壓縮卷積濾波器和知識精煉，本論文對每一類方法的性能、相關應用、優勢和缺陷等進行獨到的分析。」     大型神經網絡具有大量的層級與結點，因此考慮如何減少它們所需要的內存與計算量就顯得極爲重要，特別是對於在線學習和增量學習等實時應用。此外，近來智能可穿戴設備的流行也爲研究員提供了在資源（內存、CPU、能耗和帶

>>阅读原文<<