领域自适应深度网络压缩 提供ICCV 2017 ，可在找到海报。 也可以使用。 如何运行tensorflow代码 该示例是在简单的非域转移简单实验上完成的。 我们在MNIST数据集上从头开始训练LeNet网络，然后使用SVD基线或我们提出的DALR方法压缩网络。 示例代码在jupyter笔记本中给出。 cd code/tensorflow jupyter notebook Experiment_LeNet_MNIST.ipynb 如何运行Matlab代码 可以从下载示例网络，然后将其复制到新文件夹“ nets /”。 mkdir nets cd nets wget http://mmasana.foracoffee.org/DALR_ICCV_2017/birds_vgg19_net.mat 然后，可以通过在MatLab终端上调用“ mainScript_compress_DALR.m

引入包的操作由require[package]实现；2.根据不同的需求载入数据，例如可从文件载入，也可使用torch自带的随机方法生成数据。定义神经网络模型生成

用于支持Android平台Brotli压缩实现，达到优化网络请求的目的。 同时将Brotli压缩逻辑封装成Okhttp的拦截器，使用时只需将该拦截器添加到项目中即可。

随着深度学习的发展，卷积神经网络作为其重要算法被广泛应用到计算机视觉、自然语言处理及语音处理等各个领域，并取得了比传统算法更为优秀的成绩。但是，卷积神经网络结构复杂，参数量和计算量巨大，使得很多算法必须在GPU上实现，导致卷积神经网络难以应用在资源不足且实时性要求很高的移动端。为了解决上述问题，文中提出通过同时优化卷积神经网络的结构和参数来对卷积神经网络进行压缩，以使网络模型尺寸变小。首先，根据权重对网络模型结果的影响程度来对权重进行剪枝，保证在去除网络结构冗余信息的冋时保留模型的重要连接;然后通过量化感知（ quanTIκaτion- awareτraining）对卷积神经网络的浮点型权重和激活值进行完全量化，将浮点运算转换成定点运算，在降低网络模型计算量的冋时减少网络模型的尺寸。文中选用 tensorflow深度学习框架，在 Ubuntu16.04操作系统中使用 Spyder编译器对所提算法进行验证实验结果表眀，该算法使结枃简单的 Lenet模型从l.64M压缩至θ.36M，压缩比达到η8%，准确率只下降了了0.016;使轻量级网络 Mobilenet模型从16.9M压缩至3.1M，压缩比达到81%，准确率下降0.03。实验数据说明，在对卷积神经网络权重剪枝与参数量化辶后，该算法可以做到在准确率损失较小的情况下，对模型进行冇α压缩，解决了卷积神经网络模型难以部署到移动端的问题。

无线传感器网络中数据具有较强联合稀疏特性，应用压缩感知理论，通过联合编码压缩数据，再使用联合解码进行还原，可实现低采样代价收集传感数据。提出了一种基于联合稀疏模型与压缩感知理论的同步子空间追踪算法，以稀疏特性为先验知识，通过回溯迭代方式，判断并选取合适的联合子空间，用更少量观测值实现原始传感数据的精确重构。与SCoSaMP算法、SP算法在不同稀疏特性和不同采样率下相比较，同步子空间追踪算法具有较好的恢复性能。

常用网络压缩包密码，网络上各大网站提供下载的压缩包都可以用这个字典试试，成功率很高，个人加密的成功率较低，是从类似于万能钥匙的压缩包解密软件提取的

深度神经网络压缩自动化的挑战与机遇.pdf

行业分类-物理装置-神经网络压缩、目标检测、行驶控制方法以及装置.zip

神经网络模型压缩方法综述_曹文龙

3深度神经网络压缩与加速综述_纪荣嵘.caj