《表5 不同压缩方法在Le Net-5 on MNIST上的压缩效果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《深度学习模型压缩与加速综述》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

结论:我们总结的7类压缩与加速方法各有利弊，由于实验使用的硬件平台不同，并不能量化地确定孰优孰劣.依据不同的应用场景和现实需要，可以进行方法的选取.例如:对于存储有限的嵌入式设备，可以使用非结构化剪枝或者二值、三值量化，以大幅度地减少模型占用的内存大小.对于没有预训练模型的情况，可以考虑紧凑网络法，直接训练网络.对于期望较高压缩比与加速比的应用场景，可以使用混合方式，组合使用几种压缩与加速方法.