253页pdf！《 神经网络表示与模型压缩 第1部分：卷积神经网络》

人工智能的迅速发展将深刻改变人类社会生活、改变世界。 作为引领未来的战略性技术，人工智能成为国际竞争的新焦点和经济发展的新引擎。 标准化则是推动人工智能发展的基础。 人工智能技术必须满足客观的标准从而保持其可互操作、安全性和可信赖性。 深度学习是近年来人工智能发展的核心技术，而神经网络表示和模型压缩正是深度学习技术与应用中的基础性问题。 目前国内外已有很多人工智能开源算法平台，包括TensorFlow、MxNet、Caffe、CNTK、Theano等，不同算法平台分别采用了自己特有的网络、模型表示和存储标准。 因此，通过制定人工智能框架无关的网络表示和模型压缩存储标准，能够简化研究、应用与人工智能框架的耦合关系，从而使得相关技术与产品可以更方便地应用在不同场景。 《信息技术 神经网络表示与模型压缩》标准主要定义不同神经网络模型的表示、支持不同神经网络模型的压缩与存储。卷积神经网络是目前应用最广泛的神经网络模型，因此《人工智能 神经网络表示与模型压缩 第1部分：卷积神经网络》主要面向三类主要应用场景（即自动驾驶、移动设备、机器人、无人机等端计算场景，数据中心、智慧城市、视频监控等云计算场景，VR、AR、智能手表等可穿戴计算场景），定义卷积神经网络表示的语法、粒度、应该支持的运算、参数定义方法，确定卷积神经网络模型保存（或序列化）的格式标准，支持稀疏表示、二值网络、权重量化、权重预测与共享、熵编码等模型压缩方法，制定卷积神经网络模型压缩的保存格式标准。本标准适用于所有通过神经网络开发人工智能产品和应用的过程中所涉及的网络表示、模型压缩与保存等技术环节。