zyazky

原论文是：《 Deep Compression: Compressing Deep Neural Networks with Pruning, Trained Quantization and Huffman coding》 本博客是该论文的阅读笔记，不免有很多细节不对之处。 还望各位看官能够见谅，欢迎批评指正。 更多相关博客请猛戳：http://blog.youkuaiyun.com/cy

欢迎转载，转载请注明：本文出自Bin的专栏blog.youkuaiyun.com/xbinworld。  技术交流QQ群：433250724，欢迎对算法、技术感兴趣的同学加入。 继续前面关于深度学习CNN经典模型的整理，之前介绍了CNN网络Lenet，Alexnet，Googlenet，VGG，Deep Residual Learning(点击查看)的网络结构。 本文讲一下最新由UC Ber

转自：http://blog.youkuaiyun.com/shuzfan/article/details/51678499 本次介绍的是一种压缩神经网络模型大小的方法，来自《2014 arxiv：Compressing Deep Convolutional Networks using Vector Quantization》。该方法和很多之前的神经网络压缩方法一样，基本只对全连接层有效，因此这里权作

压缩的核心剪枝再训练算法流程剪枝准则实验分析 本次介绍的依然是压缩网络的方法，不过有了具体的应用场景：压缩的模型是DeepID2+。方法来源于《2015 arxiv: Sparsifying Neural Network Connections for Face Recognition》，文章是王晓刚、汤晓鸥团队的，所以结果依旧很漂亮，但谁又能保证没点trick呢。T_T

转自：http://blog.youkuaiyun.com/shuzfan/article/details/51439672 本次介绍的是怎样通过对训练数据进行缩减以及召回而加快网络训练速度，《Accelerating Deep Learning with Shrinkage and Recall》。 这篇文章给人的感受就是：想法很简单，实现的也很粗糙。但是，问题的角度比较新颖，而且感觉有很大空间