在过去的几年中，深度神经网络给很多机器学习任务带来了很大的突破。从图像识别到机器翻译，在深度学习的帮助下，很多任务已经实现了超过人类平均水平的精度。然而精度的提升背后的代价是数以百万计的参数，和长达几天甚至几周的显卡上的运算需求。大量的功耗和庞大的模型，限制了深度学习模型在手表手机等小型电子设备上的应用。那么我们该如何在不损失太多精度的同时，给深度网络做减法，让深度学习可以更好的应用在嵌入式系统中呢？本期节目我们从硬件的角度讨论深度学习的优化。