华为云官方博客 ·

知识蒸馏、轻量化模型架构、剪枝…几种深度学习模型压缩方法

💡 原文中文，约5600字，阅读约需14分钟。

📝

内容提要

模型压缩算法旨在将大模型转化为小模型，以便部署到嵌入式设备上。常用的方法有知识蒸馏、轻量化模型架构、剪枝、量化等，其中量化方法可以提升推理速度，剪枝方法可以减少模型大小，不容易丢失分类精度。

🏷️

DeepSeek-V4 模型结构（5）：宽度维度，DeepSeekMoE 的四个改动
本文介绍DeepSeek-V4模型结构中MoE层的四处改动：路由打分从sigmoid改为sqrt(softplus)以消除饱和；前三层用固定hash ro...
Go 1.27 Release Party 实录：泛型方法为什么「憋」了五年？Go核心团队罕见自曝内幕
Go 1.27发布后，JetBrains举办Release Party直播，核心开发者分享幕后故事。Robert Griesemer回顾泛型方法五年历程，...
Kimi K3 模型结构（10）：RL 与服务，状态住在哪里
本文介绍Kimi K3模型在1M上下文强化学习与线上服务中的系统设计，核心是状态管理。KV块和KDA状态通过write-back策略在GPU与DRAM池间...
Kimi K3 模型结构（9）：显存，把 2.8T 塞进 GPU
本文详解Kimi K3模型训练中的显存优化策略，通过账本形式分析权重、激活等内存占用，并介绍六项关键技术：均衡PP rank激活、统一激活管理器、MoE反...
DeepSeek-V4 模型结构（7）：结构决定系统
DeepSeek-V4模型采用混合压缩注意力（mHC），将KV缓存分为状态缓存和分页缓存，分别管理滑窗KV与压缩条目。上下文并行通过点对点通信和all-g...
DeepSeek-V4 模型结构（6）：优化器与稳定性，Muon
DeepSeek-V4采用Muon优化器，通过谱范数最速下降实现逐矩阵正交化，用Newton-Schulz迭代逼近SVD，混合系数提升小奇异值并精确稳定大...