深度神经网络近年在计算机视觉以及自然语言处理等任务上不断刷新已有最好性能，已经成为最受关注的研究方向.深度网络模型虽然性能显著，但由于参数量巨大、存储成本与计算成本过高，仍然难以部署到硬件受限的嵌入式或移动设备上.相关研究发现，基于卷积神经网络的深度模型本身存在参数冗余，模型中存在对最终结果无用的参数，这为深度网络模型压缩提供了理论支持.因此，如何在保证模型精度条件下降低模型大小已经成为热点问题.本文对国内外学者近几年在模型压缩方面所取得的成果与进展进行了分类归纳并对其优缺点进行评价，并探讨了模型压缩目前存在的问题以及未来的发展方向

内容提要： 存储系统的分级结构与主存储器的技术指标； 存储元的存储机理和存储器芯片的结构、工作原理； 主存的组成原理及并行存储器的工作原理； 高速缓冲存储器(Cache)的基本原理； 虚拟存储器的基本概念和虚存、实存地址的变换等

5.1 数组 5.1.1 数组的基本概念 5.1.2 数组的存储结构 5.1.3 特殊矩阵的压缩存储 5.2 稀疏矩阵 5.2.1 稀疏矩阵的三元组表示 5.2.2 稀疏矩阵的十字链表表示 5.3 递归 5.3.1 递归的定义 5.3.2 何时使用递归 5.3.3 递归算法的设计 5.4 广义表 5.4.1 广义表的定义 5.4.2 广义表的存储结构 5.4.2 广义表的存储结构

3.1 栈 3.1.1 栈的定义 3.1.2 栈的顺序存储结构及其基本运算实现 3.1.3 栈的链式存储结构及其基本运算的实现 3.2 队列 3.2.1 队列的定义 3.2.2 队列的顺序存储结构及其基本运算的实现 3.2.3 队列的链式存储结构及其基本运算的实现

2.1 线性表的定义 2.2 线性表的顺序存储结构 2.3 线性表的链式存储结构

一、i386保护模式的分段与分页 二、 Linux分页 三、线性地址空间分布 四、用户地址空间 五、内核地址空间 六、空闲物理内存管理 七、内核物理内存分配接口 八、共享存储

一、数据结构研究的内容 计算机中的非数值运算:字符、表格、声音、图象等 (1)对所加工的数据对象进行逻辑组织 ·数据元素及其数据项 ·数据元素之间的逻辑关系:线性或是非线性 (2)将数据对象存储在计算机中 逻辑结构在计算机中的存储被成为“物理结构”或“存储结构” 物理结构要存储:数据元素本身和数据元素之间的关系

第四章存储子系统 本章需解决的主要问题: (1)存储器如何存储信息? (2)在实际应用中如何用存储芯片组成具有一定容量的存储器? 第一节概述 存储器的分类情况 1.按存储器在系统中的作用分类 (1)主存(内存)

1．答：特点：集成度高、速度快、功耗低、价格便宜、可靠性高、使用方便。内存 有两种：随机存取存储器 RAM，只读存储器 ROM。一般的 RAM 芯片，关闭电源后所存 信息将全部丢失。它通常用来暂存运行的程序和数据。在计算机运行期间只能读出存储的 信息而不能用通常的方法将信息写入

为了说清楚什么是指针，必须弄清楚数据在内 存中是如何存储的，又是如何读取的。 内存区的每一个字节有一个编号，这就是“地 址” 。如果在程序中定义了一个变量，在对 程序进行编译时或程序运行时，系统就会给这 个变量分配内存单元