随着深度学习的发展，推理模型巨大的参数量和计算量，需要耗费越来越多的硬件资源，也给模型在移动端的部署带来了新的挑战。 能不能像哆啦A梦一样，变出一条缩小隧道，不管再大的模型，塞进去后就能变小变轻，在寸土寸金的AI硬件资源上身轻如燕… 答案是：当然可以！ 通常来说，想要构建深度学习领域的模型缩小隧道，加速模型推理部署，一般需要借助量化、剪枝、低秩分解、知识蒸馏等模型压缩技术，降低模型参数量