深度学习模型压缩与优化加速

1. 简介 深度学习（Deep Learning）因其计算复杂度或参数冗余，在一些场景和设备上限制了相应的模型部署，须要借助模型压缩、优化加速、异构计算等方法突破瓶颈。git 模型压缩算法可以有效下降参数冗余，从而减小存储占用、通讯带宽和计算复杂度，有助于深度学习的应用部署，具体可划分为以下几种方法（后续重点介绍剪枝与量化）： 线性或非线性量化：1/2bits, int8 和 fp16等； 结构或

>>阅读原文<<