摘要：虽然网络性能得到了提高，但随之而来的就是效率问题(AlexNet VGG GoogLeNet Resnet DenseNet) 效率问题主要是模型的存储问题和模型进行预测的速度问题. Model Compression: 从模型权重数值角度压缩 从网络架构角度压缩 对于效率问题，通常的方法即在已经训练好的模型上进行压缩，使得网络携带更少的网络参数，从而解决内存问题，同时解决速度问题。 ... 阅读全文

摘要：MobileNet (Efficient Convolutional Neural Networks for Mobile Vision Applications)——Google CVPR-2017 MobileNet引入了传统网络中原先采用的group思想，即限制滤波器的卷积计算只针对特定的group中的输入，从而大大降低了卷积计算量，提升了移动端前向计算的速度。 1.1 卷积分解 Mo... 阅读全文

摘要：ShuffleNet (An Extremely Efficient Convolutional Neural Network for Mobile Devices) —— Face++ shuffle 具体来说是 channel shuffle，是将各部分的 feature map 的 chann 阅读全文

摘要：Xception(Deep Learning with Depth-wise Separable convolutions)——google Inception-V3 Xception 并不是真正意义上的轻量化模型，只是其借鉴 depth-wise convolution，而 depth-wise 阅读全文