摘要近年来，在图像分类、目标检测、目标分析和人脸校正等诸多领域，卷积神经网络（CNNs）都取得了巨大的成功。通过百万级甚至十亿级的参数，CNN模型在处理数量巨大的训练数据时显示出强大的能力。然而，由于模型存储方面的巨大代价，这些模型严重不足，这也限制了此类模型在一些内存有限的平台上的应用，如手机、嵌入式设备等。在本文中，我们的目标是在不损失分辨率的前提下尽可能地压缩CNN模型。主要想法是对输

1.画函数的三维图，如：Z(X,Y)=2*X.*exp(-X.^2-Y.^2)+1;close all;[X,Y]=meshgrid(-2:0.5:2,-2:0.5:2);%生成坐标轴Z=2*X.*exp(-X.^2-Y.^2)+1;%Z是X,Y的函数%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%num=0