下载PDF摘要：深入学习已经彻底改变了计算机视觉，Naturallanguage理解，语音识别，信息检索等。然而，随着深度学习模型的逐步改进，他们的参数，延迟，培训所需的资源等。拥有所有人都显着下降。因此，要注意模型的这些足迹度量，这一切都很重要，而不仅仅是其质量。我们提出了激励深入学习效率的问题，然后是一个模型效率的五个核心领域的康沃维（跨越式造型技术，基础设施和硬件），并在那里进行精彩作品。我们将一个基于实验的指南与代码一起，用于从业者提炼其模型培训和部署。我们认为这是第一次在高效的深度学习空间中的调查，这些调查包括模型效率的土地景观，从建模技术到硬件支持。 Ourhope是，这项调查将向读者提供精神模型和对现场的理解，以应用通用效率技术，以获得显着的改进，并配备他们的想法，以实现额外的研究和实验以实现额外的提升。