大模型-模型压缩：量化、剪枝、蒸馏、二值化 (4)
一、模型压缩概述
1.模型压缩的必要性
2.模型压缩的目标
二、量化
1.量化原理
2.量化方法分类
3.量化的优势与局限
三、剪枝
1.剪枝原理
2.剪枝方法分类
3.剪枝的优势与局限
四、蒸馏
1.蒸馏原理
2.蒸馏方法流程
3.蒸馏的优势与局限
五、二值化
1.二值化原理
2.二值化方法应用
3.二值化的优缺点
相关推荐
七夜zippoe14 天前
Scikit-learn高级实战：自定义评估器与流水线架构设计郝学胜-神的一滴16 天前
贝叶斯之美：从公式到朴素贝叶斯算法的实践之旅大傻^18 天前
Scikit-Learn机器学习分类算法全攻略：感知机、逻辑回归、SVM、决策树、KNN深度解析铁手飞鹰23 天前
[深度学习]常用的库与操作不懒不懒24 天前
【机器学习：下采样 VS 过采样——逻辑回归在信用卡欺诈检测中的实践】java1234_小锋24 天前
分享一套优质的基于Python的房屋数据分析预测系统(scikit-learn机器学习+Flask)郝学胜-神的一滴25 天前
基于30年教学沉淀的清华大学AI通识经典：《人工智能的底层逻辑》青春不朽51225 天前
Scikit-learn 入门指南龙腾AI白云25 天前
多模态融合驱动下的具身学习机制研究龙腾AI白云1 个月前
【基于Transformer的人工智能模型搭建与fine-tuning】