总结
----

-  不同的模型部署场景下，通常对于模型大小、运行时内存占用、推理时延和推理功耗等指标有限制。

-  针对模型大小指标，通常在离线阶段通过模型压缩技术来优化，比如量化技术、剪枝技术、知识蒸馏技术等，除此之外，一部分模型优化技术，比如融合技术等，也有助于模型轻量化，不过其效果比较微弱。

-  针对运行时内存指标，主要有三方面的优化：优化模型大小、优化部署框架包大小以及优化运行时临时内存。模型大小的优化手段在上一点中已经说明；部署框架包大小主要通过精简框架代码、框架代码模块化等方式来优化。运行时临时内存主要通过内存池实现内存之间的复用来优化。

-  针对模型的推理时延指标，主要有两方面的优化，一方面是离线时通过模型优化技术和模型压缩技术尽可能降低模型推理所需的计算量；另一方面是通过加大推理的并行力度和优化算子实现来充分挖掘硬件的计算潜力。值得注意的是，除了考虑计算量和算力，推理时的访存开销也是一个重要的影响因素。

-  针对模型的推理功耗，主要的优化思路是降低模型的计算量，这与针对模型推理时延的优化手段有重合之处，可以参考离线的模型优化技术和模型压缩技术。

-  本章除了介绍优化模型部署的各方面指标的优化技术以外，还介绍了安全部署相关的技术，如模型混淆、模型加密等。部署安全一方面可以保护企业的重要资产，另一方面可以防止黑客通过篡改模型从而入侵攻击部署环境。

扩展阅读
--------

-  Google量化白皮书 `量化 <https://arxiv.org/abs/1806.08342>`__

-  诺亚高精度剪枝算法 `剪枝 <https://arxiv.org/abs/2010.10732>`__

-  针对多核处理器的自动图并行调度框架
   `性能优化 <https://proceedings.mlsys.org/paper/2021/file/a5e00132373a7031000fd987a3c9f87b-Paper.pdf>`__

-  诺亚量子启发的低比特量化算法
   `量化 <https://arxiv.org/abs/2009.08695>`__

-  诺亚GhostNet极简骨干网络
   `网络结构替换 <https://arxiv.org/abs/1911.11907>`__

-  诺亚加法神经网络 [网络结构替换](https://arxiv.org/abs/1912.13200）