# awesome-compression
**Repository Path**: FengtuWang/awesome-compression
## Basic Information
- **Project Name**: awesome-compression
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: dev
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 0
- **Created**: 2025-06-12
- **Last Updated**: 2025-06-12
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# Awesome Compression
## 项目简介
随着ChatGPT的出圈，大语言模型层出不穷，并展现出非凡的能力，可以有效地解决各种问题。然而，这些模型通常需要大量的计算资源和内存，导致运行时资源消耗较高，限制了其在某些场景下的应用，让很多研究者望而却步。本项目使用通俗易懂的语言介绍模型的剪枝、量化、知识蒸馏等压缩方法，让更多的小白能更快了解到模型压缩技术。
在线阅读地址: https://datawhalechina.github.io/awesome-compression
## 项目意义
目前网上关于模型压缩的相关资料比较驳杂，初学者很难找到一个简单优质的的中文入门教程来学习。本项目借鉴[MIT 6.5940 TinyML and Efficient Deep Learning Computing](https://hanlab.mit.edu/courses/2023-fall-65940)，提供模型压缩的入门教程，降低模型压缩的学习门槛。在教程中，您将了解不同的压缩方法，通过实践和示例，学习如何应用这些方法来压缩深度学习模型，以满足实际应用需求。
## 项目受众
本项目适合以下学习者：
- 深度学习研究人员；
- 嵌入式系统和移动应用开发者；
- 对AI硬件加速和部署感兴趣的开发者；
- 对模型压缩技术感兴趣的学生群体。
## 项目亮点
- 提供通俗易懂的理论内容来科普模型压缩技术；
- 提供实践代码，结合实际场景帮助学习者更好地理解理论内容。
## 实践环境安装
本项目实践代码基于Python 3.10，具体安装环境请参考：[INSTALL.md](./docs/notebook/INSTALL.md)
## 本地在线阅读环境安装
### Node.js版本
Node v16
### 安装docsify
```shell
npm i docsify-cli -g
```
### 启动docsify
```shell
docsify serve ./docs
```
### 目录
- [第1章 引言](https://datawhalechina.github.io/awesome-compression/#/ch01/ch01)
- [第2章 CNN基础](https://datawhalechina.github.io/awesome-compression/#/ch02/ch02)
- [第3章 模型剪枝](https://datawhalechina.github.io/awesome-compression/#/ch03/ch03)
- [第4章 模型量化](https://datawhalechina.github.io/awesome-compression/#/ch04/ch04)
- [第5章 神经网络架构搜索](https://datawhalechina.github.io/awesome-compression/#/ch05/ch05)
- [第6章 知识蒸馏](https://datawhalechina.github.io/awesome-compression/#/ch06/ch06)
- [第7章 项目实践](https://datawhalechina.github.io/awesome-compression/#/ch07/ch07)
> 若对大模型压缩感兴趣，欢迎关注Datawhale开源项目[llm-deploy](https://datawhalechina.github.io/llm-deploy)
## 参与贡献
- 如果你想参与到项目中来欢迎查看项目的 [Issue]() 查看没有被分配的任务。
- 如果你发现了一些问题，欢迎在 [Issue]() 中进行反馈🐛。
- 如果你对本项目感兴趣想要参与进来可以通过 [Discussion]() 进行交流💬。
如果你对 Datawhale 很感兴趣并想要发起一个新的项目，欢迎查看 [Datawhale 贡献指南](https://github.com/datawhalechina/DOPMC#%E4%B8%BA-datawhale-%E5%81%9A%E5%87%BA%E8%B4%A1%E7%8C%AE)。
## 贡献者名单
| 姓名 | 简介 |
| :----| :---- |
| [陈玉立](https://github.com/ironartisan) | Datawhale成员-北京邮电大学研究生 |
| [姜蔚蔚](https://jwwthu.github.io) | 北京邮电大学助理教授 |
| [孙韩玉](https://github.com/sunhanyu714) | 模型部署工程师 |
| [张艺杰](https://github.com/Wings236) | 暨南大学研究生 |
| [魏育康](https://github.com/JinYu1998) | 河北科技大学研究生 |
| [宁致远](https://github.com/telegraph-pole-head)| 上海交通大学本科生 |
## 致谢
1. 特别感谢 [@Sm1les](https://github.com/Sm1les)、[@LSGOMYP](https://github.com/LSGOMYP)、[@Truth-14](https://github.com/Truth-14) 对本项目的帮助与支持；
2. 如果有任何想法可以提Issue, 也欢迎大家多参与贡献；
3. 特别感谢以下为教程做出贡献的同学！
Made with [contrib.rocks](https://contrib.rocks).
## 关注我们
扫描下方二维码关注公众号：Datawhale
## LICENSE
本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可。
## Star History
[](https://star-history.com/#datawhalechina/awesome-compression)