深度学习面试问题总结（21）| 模型优化

本文给大家带来的百面算法工程师是深度学习模型优化面试总结，文章内总结了常见的提问问题，旨在为广大学子模拟出更贴合实际的面试问答场景。在这篇文章中，我们还将介绍一些常见的深度学习面试问题，并提供参考的回答及其理论基础，以帮助求职者更好地准备面试。通过对这些问题的理解和回答，求职者可以展现出自己的深度学习领域的专业知识、解决问题的能力以及对实际应用场景的理解。同时，这也是为了帮助求职者更好地应对深度学习目标检测岗位的面试挑战，提升面试的成功率和竞争力。

专栏地址：百面算法工程师——总结最新各种计算机视觉的相关算法面试问题

目录

21.1 你知道的模型压缩方法有哪些？

21.2 模型压缩的作用与意义

21.3 谈谈低秩近似

21.4 剪枝与稀疏约束

21.5 参数量化的优缺点

21.6 你了解知识蒸馏（Knowledge Distillation）吗

21.7 降低网络复杂度但不影响精度的方法有哪些

21.8 聊聊TensorRT加速原理

---