深度学习模型压缩和加速主要有以下几个方向:更小更快的网络结构设计、模型裁剪以及核稀疏化、量化、Low-rank分解、知识蒸馏。
我们可以根据目的给它们分类:只是为了减小存储、减小存储的同时加快前向运算。很多时候我们进行模型压缩只减小了存储模型的空间,对于加速并没有多少提升。
现在的深度学习模型压缩框架主要由以下几个:
1)Deep Compression 裁剪、量化
https://github.com/songhan/Deep-Compression-AlexNet
2)XNorNet 二值网络
https://github.com/ayush29feb/Sketch-A-XNORNet
3)transform_graph(tensorflow)裁剪、量化
https://github.com/tensorflow/tensorflow/tree/master/tensorflow/tools/graph_transforms
4)PocketFlow 裁剪、稀疏化、量化、蒸馏
https://github.com/Tencent/PocketFlow
5)Distilling 裁剪、稀疏化、量化、知识蒸馏
https://github.com/NervanaSystems/distiller
深度学习模型压缩框架
最后编辑于 :
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
- 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
推荐阅读更多精彩内容
- TensorFlow对Android、iOS、树莓派都提供移动端支持。 移动端应用原理。移动端、嵌入式设备应用深度...