神经网络模型参数的压缩

近年来，深度神经网络在计算机视觉、语音识别等领域取得了巨大成功。为了完成更加复杂的信息处理任务，深度神经网络变得越来越深，也使得其计算量越来越大。然而，手机、车载等移动端应用对深度神经网络的需求越来越多，因而深度神经网络模型的压缩、加速、优化变的越来越重要。这也是本届VALSE的热点之一。 深度学习算法是计算密集型和存储密集型的，这使得它难以被部署到资源有限的嵌入式系统上。优化一般有以下两个方向：

>>阅读原文<<