《高效深度学习：模型压缩与设计》(全彩)

编辑推荐

适读人群 ：初学者，有一定科研经验、希望在相关科研方向进行探索的读者，需要工具书辅助解决实际问题的读者。

全彩印制

高效模型压缩与设计，释放大模型潜能，赋能千行百业

清华大学电子工程系汪玉 宁雪妃 作品

权威：出自芯片领域著名专家之手

系统：系统梳理模型压缩与设计关键技术

经验：提供实践中总结的分析思路和经验

内容简介

《高效深度学习：模型压缩与设计》本书系统地介绍了高效模型压缩和模型设计的方法，在编写上兼顾理论和实践。

《高效深度学习：模型压缩与设计》本书主体部分详细介绍了模型压缩的方法论，包括高效模块设计、模型剪枝、模型量化、模型二值化、神经网络架构搜索、知识蒸馏几大部分。另外，简要介绍了定制化硬件加速器的设计及大语言模型的加速和压缩。

作者简介

汪玉

清华大学电子工程系长聘教授、系主任，IEEE Fellow，国家自然科学基金杰出青年基金获得者，清华大学信息科学技术学院副院长，清华大学天津电子信息研究院院长。长期从事智能芯片、高能效电路与系统的研究，曾获得4次国际学术会议论文奖及12次论文提名。曾获CCF科学技术奖技术发明一等奖、国际设计自动化会议40岁以下创新者奖、CCF青竹奖等荣誉。2016年，知识成果转化入股深鉴科技，打造了世界一流的深度学习计算平台；2018年，深鉴科技被业内龙头企业赛灵思（现AMD）收购。2023年，推动成立无问芯穹，形成面向大模型的软硬件联合优化平台，在国内外10余种芯片上实现了业界领先的大模型推理性能。

宁雪妃

清华大学电子工程系助理研究员。主要研究方向为高效深度学习。支撑深鉴科技、无问芯穹的早期模型压缩和部署工具链工作；参与10余项高效深度学习相关项目；在机器学习、计算机视觉、设计自动化领域发表学术论文40余篇，其中包含在NeurIPS、ICLR、ICML、CVPR、ICCV、ECCV、AAAI、TPAMI上发表的学术论文共20篇；带领团队在NeurIPS18和CVPR20会议上获得国际比赛奖项。