深度学习模型压缩方法综述（二）
版权声明：本文为博主原创文章，遵循版权协议，转载请附上原文出处链接和本声明。 版权声明：本文为博主原创文章，遵循版权协议，转载请附上原文出处链接和本声明。
版权声明：本文为博主原创文章，遵循版权协议，转载请附上原文出处链接和本声明。
前言
上一章，将基于核的稀疏化方法的模型压缩方法进行了介绍，提出了几篇值得大家去学习的论文，本章，将继续对深度学习模型压缩方法进行介绍，主要介绍的方向为基于模型裁剪的方法，由于本人主要研究的为这个方向，故本次推荐的论文数量较多，但都是非常值得一读的。
基于模型裁剪的方法
对以训练好的模型进行裁剪的方法，是目前模型压缩中使用最多的方法，通常是寻找一种有效的评判手段，来判断参数的重要性，将不重要的connection或者filter进行裁剪来减少模型的冗余。同样也分为regular和irregular的方式。 这类方法最多，下面列举几篇典型的方案。
