文章目录
参考文章:
Awesome-Deep-Neural-Network-Compression
awesome-ml-model-compression
模型压缩工作总结
深度学习模型压缩与加速综述
剪枝:
Github:Awesome Pruning
【AI不惑境】模型剪枝技术原理及其发展现状和展望
模型剪枝之pytorch prune
模型加速与压缩 | 剪枝乱炖
蒸馏:
Github:Awesome Knowledge Distillation
知识蒸馏(Knowledge Distillation)
Knowledge Distillation(知识蒸馏)Review–20篇paper回顾
7 Papers | CVPR 2020获奖论文;知识蒸馏综述
架构搜索:
Awesome-NAS
Awesome-AutoDL
神经架构搜索(NAS)2020最新综述:挑战与解决方案
NAS(神经结构搜索)综述
一文详解神经网络结构搜索(NAS)
量化:
Awesome Model Quantization
量化训练:Quantization Aware Training in Tensorflow(一)
神经网络量化入门–基本原理
工程实现 |加速神经网络推理之 8bit Quantization (模型量化压缩)
Tensorflow模型量化(Quantization)原理及其实现方法
Pytorch实现卷积神经网络训练量化(QAT)