模型压缩开源库整理

1. Tensorflow Lite：
2. mxnet - TVM RPC对接移动设备的框架
3. EAIDK 搭载了 OPEN AI LAB 的核心 AI 开发平台 AID；和②的目标多少有些类似，将面向移动端的接口全部封装。类似于树莓派、arduino甚至安卓将硬件可编程话，一定程度上的封装后，AI方向的需求也开始被封装了。
4. mxnet自带量化模块
5. ncnn腾讯的移动端开源框架：https://github.com/Tencent/ncnn
6. pocketFlow 腾讯的专门用于模型压缩的框架
7. 大厂的发力
   1. Nvidia的tensorRT，这里不能忽略一个有相当的集成度的框架，NVcaffe，可剪枝与量化，nvidia维护的caffe版本
   2. facebook的Glow，用于推测时inference，集成于pytorch中
   3. intel的模型压缩开源框架：neon
   4. 处理稀疏矩阵的加速器TCL（Bit-Tactical: Exploiting Ineffectual Computations in Convolutional Neural Networks: Which, Why, and How）
   5. 谷歌的TPU-流形的数据处理硬件；这俩都是另外一个方向，重新设计新的硬件，小伙伴们看看热闹就好了
8. pytorch的tensor-Decomposition
9. 一种量化库：Espresso: Efficient Forward Propagation for BCNNs
10. Distiller：https://github.com/NervanaSystems/distiller
11. Tengine：https://github.com/OAID/Tengine 用于移动端设备

模型压缩综述文章

1. Recent Advances in Efficient Computation of Deep Convolutional Neural Networks

比较系统的论述了各种模型压缩的方法，分类更倾向于从结果的不同、或者导出结果不同的方式方法进行区分，这种方式也更接近于一般人的认知水平和方式。好处也就是引用代表性论文要多些。

2. compression of convolutional neural networks a short survey

这篇的分类这更倾向于从方法的本源出发，基于方法的形式或性质；抽象度要高一些。缺点就是太短了，应该是有相当的理解才能写出来这样的文章。对异构网络结构的论述的引用好像更冷门一些