内容简介

本书由浅入深、系统性地介绍了深度学习模型压缩与优化的核心技术。本书共9章，主要内容有：深度学习模型性能评估、模型可视化、轻量级模型设计、模型剪枝、模型量化、迁移学习与知识蒸馏、自动化模型设计、模型优化与部署工具。本书理论知识体系完备，同时提供了大量实例，供读者实战演练。

本书适合深度学习相关领域的算法技术人员、教职员工，以及人工智能方向的本科生、研究生阅读。读者既可以将本书作为核心算法书籍学习理论知识，也可以将其作为工程参考手册查阅相关技术。