一、首先，为什么网络模型需要模型压缩？
通常：给定一个精度级别，存在多个达到该精度级别的CNN架构。在同等精度下，具有较少参数的CNN有三大优势：
- 更高效的分布式训练：分布式训练的数据并行方法在每个服务器上保留整个模型的副本，处理训练数据集的不同子集。因此通信开销与模型中的参数数成正比，换而言之，越小的模型，训练更快。
2.将新模型导出到客户端时，开销较小。Over-the-air update(OTA)是指移动终端通过无线网络下载远程服务器上的升级包，对系统或应用进行升级的技术。越小的模型，需要的通信更少，因此可以实现频繁更新。
3.更容易在嵌入式设备上部署。芯片存储空间有限，较小的模型让芯片（FPGA），嵌入式设备存储，部署神经网络更加可行。
二、两种类型
1. 新的卷机计算方法
（1）是直接提出新的卷机计算方式，从而减少参数，达到压缩模型的效果，例如SqueezedNet,mobileNet
SqueezeNet: AlexNet-level accuracy with 50x fewer parameters and <0.5MB model size
本方法旨在在保持相同精度的情况下，构建更小的神经网络模型，提出了SqueezeNet网络
- 概述了利用很少的参数进行CNN架构设计的策略
- 引入了Fire Module作为网络基本构成单元
- 以Fire Module为基础，构建了轻量级网络
结构型策略设计:
- 策略1：用1x1卷积替换3x3卷积
在卷积核数目一定的情况下，用大多数的1x1卷积替换3x3卷积，因为3x3卷积的参数量是1x1卷积的9倍之多
策略2：减少3x3卷积的输入特征通道数
假定某卷积层全由3x3卷积组成，则该层的参数量计算为：(input channel)x(output channel)x(3x3)
因此，要在CNN中减少参数，不仅要减少3x3卷积核的数量，而且还要减少输入通道的数量策略3：降采样后置
在卷积网络中，每个卷积层都会生成输出特征图，特征图主要受以下因素控制：输入数据size，降采样层的位置。
尺寸更大的特征图包含更丰富的空间信息，能最大化分类精度，因此将降采样层放在靠后的位置，例如VGG网络结构。
（2）修改网络结构，类似于mobileNet
MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
image.png
image.png
image.png
image.png
- MobileNets主要致力于优化延迟，但也可以产生小型网络
-
MobileNets 主要基于深度可分离卷积构成，通过设置两个超参数，实现准确率和延时性之间的平衡
image.png
（3）修改卷机计算方式，depth-wise 卷积
深度可分离卷积：
输入特征 F：DF x DF x M 输出特征 G：DF x DF x N
2. 已训练好的模型上做裁剪
这种就是在训练好的模型上做一些修改，然后在fine-tuning到原来的准确率，主要有一些方法
剪枝：神经网络是由一层一层的节点通过边连接，每个边上会有权重，所谓剪枝，就是当我们发现某些边上的权重很小，可以认为这样的边不重要，进而可以去掉这些边。在训练的过程中，在训练完大模型之后，看看哪些边的权值比较小，把这些边去掉，然后继续训练模型；
权值共享：就是让一些边共用一个权值，达到缩减参数个数的目的。假设相邻两层之间是全连接，每层有1000个节点，那么这两层之间就有1000*1000=100万个权重参数。可以将这一百万个权值做聚类，利用每一类的均值代替这一类中的每个权值大小，这样同属于一类的很多边共享相同的权值，假设把一百万个权值聚成一千类，则可以把参数个数从一百万降到一千个。
量化：一般而言，神经网络模型的参数都是用的32bit长度的浮点型数表示，实际上不需要保留那么高的精度，可以通过量化，比如用0~255表示原来32个bit所表示的精度，通过牺牲精度来降低每一个权值所需要占用的空间。
神经网络二值化：比量化更为极致的做法就是神经网络二值化，也即将所有的权值不用浮点数表示了，用二进制的数表示，要么是+1,要么是-1，用二进制的方式表示，原来一个32bit权值现在只需要一个bit就可以表示，可以大大减小模型尺寸。
（1） XNOR-Net: ImageNet Classification Using Binary Convolutional Neural Networks
网络权重二值化、输入二值化，从头开始训练一个二值化网络，不是在已有的网络上二值化
（2） Learning both Weights and Connections for Efficient Neural Networks
学习重要的连接，根据连接的权重进行裁剪，fine-tuning让网络保持稀疏的连接
（3） Exploiting linear structure within convolutional networks for efficient evaluation.
对已经训练好的网络应用奇异值分解
（4） Eie: Efficient inference engine on compressed deep neural network.
加速器
（5） Deep compression: Compressing DNNs with pruning, trained quantization and huffman coding.
裁剪(阈值)、量化(8bit,存储方式)、哈夫曼编码
http://blog.csdn.net/may0324/article/details/52935869
（7） Deep Model Compression: Distilling Knowledge from Noisy Teachers
Teacher-student Framework，一个网络指导另外一个网络的训练
（8） PerforatedCNNs: Acceleration through Elimination of Redundant Convolutions
在一些稀疏位置跳过CNN求值，加速效果不明显，且不能压缩模型
（9） Binarized Neural Networks: Training Neural Networks with Weights and Activations Constrained to +1 or −1
训练二值化网络
https://tensortalk.com/?cat=model-compression-parameter-pruning
（10） PRUNING FILTERS FOR EFFICIENT CONVNETS
计算filter的L1范数，直接过滤掉较小L1范数对应的feature map, 然后再次训练，有两种，一是每裁剪一层训练一下，一是直接裁剪整个网络，然后fine-tuning. 相比权值连接的裁剪，这种比较暴力，好处就是不会引入稀疏矩阵的计算，从而也不需要稀疏矩阵库，坏处就是可能无法恢复到最开始的准确率。
本文还未写完，更加详细还在陆续完善，待续。。。。。。
（本文参考与总结他人，侵权立删）
