神經(jīng)網(wǎng)絡(luò)壓縮聯(lián)合優(yōu)化方法的研究綜述

摘要： 隨著人工智能應(yīng)用的實(shí)時(shí)性、隱私性和安全性需求增大，在邊緣計(jì)算平臺上部署高性能的神經(jīng)網(wǎng)絡(luò)成為研究熱點(diǎn)。由于常見的邊緣計(jì)算平臺在存儲、算力、功耗上均存在限制，因此深度神經(jīng)網(wǎng)絡(luò)的端側(cè)部署仍然是一個巨大的挑戰(zhàn)。目前，克服上述挑戰(zhàn)的一個思路是對現(xiàn)有的神經(jīng)網(wǎng)絡(luò)壓縮以適配設(shè)備部署條件?，F(xiàn)階段常用的模型壓縮算法有剪枝、量化、知識蒸餾，多種方法優(yōu)勢互補(bǔ)同時(shí)聯(lián)合壓縮可實(shí)現(xiàn)更好的壓縮加速效果，正成為...