模型压缩之网络剪枝(Network Pruning)篇
1. 背景今天,深度学习已成为机器学习中最主流的分支之一。它的广泛应用不计其数,无需多言。但众所周知深度神经网络(DNN)有个很大的缺点就是计算量太大。这很大程度上阻碍了基于深度学习方法的产品化,尤其是在一些边缘设备上。因为边缘设备大多不是为计算密集任务设计的,如果简单部署上去则功耗、时延等都会成为问题。即使是在服务端,更多的计算也会直接导致成本的增加。人们正在从各个角度试图克服这个问题,如这几年如火如荼的各处神经网络芯片,其思路是对于给定的计算任务用专用硬件加速。而另一个思路是考虑模型中的计算是不是都
转载
2020-09-09 17:19:01 ·
5233 阅读 ·
0 评论