天长声测管厂

目前，深度学习模型需要大量的计算、内存和功耗，这成为我们在实时推理或在计算资源有限的边缘设备以及浏览器上运行模型的瓶颈。能量效率是当前深度学习模型的主要关注点。提升这种效率的方法之一是着眼于推理效率。

更复杂的模型=>更多的内存消耗=>更多的功耗

剪枝就是一种推理方法，它可以有效地获得更小的模型、更***的内存、更***的功率和更快的推理，同时在精度上损失较小，其他类似的技术还有权值共享和量化。深度学习的灵感来自于***科学领域的几个方面。在深度学习中剪枝也是一个受生物学启发的概念，我们将在稍后的文章中进行讨论。

随着深度学习的进步，******的模型也变得越来越***，但这种进步是有代价的，我将在这个博客里对其中的一些进行说明。