模型壓縮

模型壓縮（compression） 理論基礎 必要性： 在許多網絡結構中，如VGG-16網絡，參數數量1億3千多萬，佔用500MB空間，須要進行309億次浮點運算才能完成一次圖像識別任務。 可行性： 論文提出，其實在不少深度的神經網絡中存在着顯著的冗餘。僅僅使用不多一部分（5%）權值就足以預測剩餘的權值。該論文還提出這些剩下的權值甚至能夠直接不用被學習。也就是說，僅僅訓練一小部分原來的權值參數就有

>>阅读原文<<