AI之路

论文：Weighted-Entropy-based Quantization for Deep Neural Networks 论文链接这是CVPR2017的一篇文文章，是用基于weight entropy做深度学习模型quantization的模型压缩和加速算法。深度学习模型压缩和加速是近年来的一个研究热点，也是将深度学习模型部署到移动端的必经之路，一方面要压缩模型的大小，减少存储，另一方面要减

论文：Soft Filter Pruning for Accelerating Deep Convolutional Neural Networks 论文链接：https://www.ijcai.org/proceedings/2018/0309.pdf 代码链接：https://github.com/he-y/soft-filter-pruning这篇是IJCAI 2018的关于模型加速...

论文：Learning Efficient Convolutional Networks Through Network Slimming 链接：https://arxiv.org/abs/1708.06519 原代码（Torch实现）：https://github.com/liuzhuang13/slimming 第三方代码（PyTorch实现）：https://github.com/fo...

论文：Channel Pruning for Accelerating Very Deep Neural Networks 论文链接：https://arxiv.org/abs/1707.06168 代码地址：https://github.com/yihui-he/channel-pruning这是一篇ICCV2017的文章，关于用通道剪枝（channel pruning）来做模型加速，通...

论文：Inverted Residuals and Linear Bottlenecks Mobile Networks for Classification, Detection and Segmentation 链接：https://128.84.21.199/abs/1801.04381 第三方代码（可用于在ImageNet数据集上训练）：https://github.com/mirac

论文：ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices 论文链接：https://arxiv.org/abs/1707.01083算法详解： ShuffleNet是Face++的一篇关于降低深度网络计算量的论文，号称是可以在移动设备上运行的深度网络。这篇文章可以和MobileNet

论文：Performance Guaranteed Network Acceleration via High-Order Residual Quantization 论文链接：https://arxiv.org/abs/1708.08687 暂无代码这是ICCV2017的文章，作者主要来自上海交大。我们知道模型压缩方面可以做到不大影响准确率，但是如果同时要做到模型加速还不影响准确率的就非

本篇博文来介绍一个深度学习模型加速的算法：MobileNets，可以在基本不影响准确率的前提下大大减少计算时间和参数数量。论文：MobileNets Efficient Convolutional Neural Networks for Mobile Vision Applications 论文链接：https://arxiv.org/abs/1704.04861算法概述：深度学习网络广泛应用在图

论文：XNOR-Net: ImageNet Classification Using Binary Convolutional Neural Networks 链接：https://arxiv.org/abs/1603.05279 代码地址：http://allenai.org/plato/xnornet模型压缩和加速是深度学习算法应用在移动端必须要解决的问题，也是近年来的研究热点，这篇文章就是

论文：ThiNet： A Filter Level Pruning Method for Deep Neural Network Compression 论文链接：https://arxiv.org/abs/1707.06342prune（剪枝）是深度学习模型压缩和加速的重要方法。ThiNet是ICCV2017的文章，主要通过prune方式达到模型压缩和加速，prune以filter（卷积核）为单

论文：ShuffleNet V2: Practical Guidelines for Ecient CNN Architecture Design 论文链接：https://pan.baidu.com/s/1so7aD3hLKO-0PB8h4HWliw这篇是ECCV2018关于模型加速和压缩的文章，是之前ShuffleNet的升级版。这篇文章的观点和实验都比较新颖，看完还是有不少收获的，特来...