深度学习模型压缩与加速技术研究及实践.pptx

第一章深度学习模型压缩与加速技术概述第二章模型剪枝技术深度解析第三章模型量化技术详解第四章知识蒸馏技术在模型压缩中的应用第五章模型压缩技术的综合实践第六章模型压缩技术的未来发展方向

01第一章深度学习模型压缩与加速技术概述

深度学习模型压缩与加速的背景与需求移动端部署挑战以MobileNetV2模型在iPhone11上的推理速度为例，其原始模型参数量达3.5M，推理耗时约120ms，导致无法实时处理视频流。行业数据统计全球500强企业中，80%的AI应用因模型过大而无法部署在边缘设备，如特斯拉EdgeAI芯片需要模型体积小于50MB才能支持实时目标检测。技术趋势分析2019年