模型压缩，剪枝，量化，加速总结

最近有朋友问我做过的L1剪枝方法怎么样，有没有资源；

因为这个是公司的事情，我也不能直接给资源，但是我还是将我使用过得压缩方法总结一下。

（还是由于自己忘性大，留给自己回忆）：

1）L1剪枝方法：

查看如下资源，https://github.com/NervanaSystems/distiller

2）蒸馏：

查看论文：

《Mimicking Very Efficient Network for Objection》

（实现后效果很好用，在yolo上，没有精度损失）

《A Gift from Knowledge Distillation: Fast Optimization,Network Minimization and Transfer Learning》

（我实现的算法效果很差)

《Distillation the Knowledge in Neural Network》

(我的启蒙文章)

3）yolo的剪枝方法：

查看论文：《Object detection at 200 Frames Per Second》

（yolo上的压缩后效果没有文章《Mimicking Very Efficient Network for Objection》压的好）

参考：

https://blog.csdn.net/qq_22764813/article/details/88378275
https://blog.csdn.net/zhangjunhit/column/info/37467（很多相关论文解读）