趋近智
部署我们已学习的复杂CNN模型时,常常遇到实际制约,例如内存限制、计算预算和延迟要求,尤其是在边缘设备或移动平台上。本章主要介绍构建更高效深度学习 (deep learning)模型的方法,同时不明显降低其性能。
您将学习到一些减小模型体积和计算成本的方法。我们将讲解以下内容:
目标是为您提供优化深度学习模型的策略,以便部署在资源受限的环境中。我们还将安排一次实践环节,应用这些方法的一部分。
8.1 高效模型的动因
8.2 网络剪枝技术
8.3 知识蒸馏方法
8.4 量化:降低模型精度
8.5 设计高效架构
8.6 神经网络架构搜索概览
8.7 动手实践:应用剪枝与量化