深度学习（六十九）darknet 实现实验 Compressing Deep Neural Networks with Pruning, Trained Quantization and Huffma

本文主要实验文献文献《Deep Compression: Compressing Deep Neural Networks with Pruning, Trained Quantization and Huffman Coding》算法，在tiny-yolo coco上的压缩效果，在darknet基础上，编写该算法进行压缩实验，结果如下：

原始模型大小64M：mAP=0.224

训练500次，模型大小54M：mAP=0.203

训练5000次，模型大小49M：mAP=0.214

训练50000次，模型大小39M：mAP=0.221

训练100000次，模型大小30M：mAP=0.231

训练180000次，模型大小23M：mAP=0.232

懒得训练了，目前每迭代1500次，下降0.1M，要训练到底，应该是可以压缩到18M左右