qq_34717531的博客

在过去的十年中，深度学习模型取得了显著进展，在多种视觉感知任务中达到甚至超过了人类水平的表现。然而，挑战在于现有的先进模型通常需要大量的计算资源，在实际场景中可能导致不切实际的功耗、延迟或碳排放。在效果和效率之间的权衡促使出现了一个新的研究重点：计算效率高的深度学习，旨在在推理过程中实现令人满意的性能同时最小化计算成本。此外，本综述还就该领域面临的关键挑战进行了系统讨论，如网络架构设计、训练方案、实际效率和更加现实的模型压缩方法，以及潜在的未来研究方向。