下一座山#
四件装备在包里。三十年的路在脚下。
你翻越了练习峰，拆开了每一件装备，征服了真正的未登峰。MobileNet 把参数砍到 1/9，EfficientNet 按比例花钱——轻装攀登的答案，你已经有了。
但设计只是第一步。设计好的模型，怎么让它真正跑起来？
PyTorch 实践：把理论变成代码 是你面前的下一章——把架构设计变成可训练、可调试的代码。学完 CNN 架构再来写 PyTorch，你不再是"跟着教程敲"，而是"心里有图再敲"。
再往后，模型部署与服务：从训练到生产 会回答"怎么把训练好的模型部署到真实世界"——你的手机只有 2GB 内存，你的无人机需要在 10 毫秒内避障。这不是"怎么设计得更省"的问题，而是"已经设计好了，怎么让它跑在资源受限的设备上"的问题：
技术 |
做了什么 |
就像登山 |
|---|---|---|
剪枝 |
扔掉不重要的参数 |
登山归来，检查背包——没用上的装备留在营地 |
量化 |
用 8-bit 存储权重 |
钛合金替换钢铁——精度换空间 |
这和你刚学过的 MobileNet、EfficientNet 是互补的：架构设计从"怎么建得更省"的角度压缩模型，量化和剪枝从"建好后怎么再省一笔"的角度进一步瘦身。一个 MobileNet 经过 INT8 量化后，模型体积再缩小 4 倍、推理速度再提升 2-3 倍——架构省 + 部署省，效果相乘。
帕累托边界，永无止境
MobileNet 推动了边界。EfficientNet 推动了下一个边界。剪枝和量化推动的边界还在更前面。
设计让模型更好。PyTorch 让设计变成代码。部署让好模型能用。这座山，没有山顶。
关于马洛里#
因为山在那里
1922 年，马洛里第二次冲击珠峰——失败了。一场雪崩卷走了七名搬运工的生命。他带着幸存者的内疚回到英国。
妻子露丝不想让他再去。父亲不想让他再去。他们有三个年幼的孩子。但他还是去了。
1924 年 6 月，他在珠峰北坡的暴风雪中消失。遗体在 1999 年被发现——75 年后，依然保持着向上攀爬的姿势。没人知道他是否登顶。
但所有人都知道：他失败过，被至亲反对过，但他到死都在往上爬。
因为山，它就在那里。
深度学习面前的这座山，也没有山顶。完美的泛化，物理上就不存在。
但马洛里不会因为山顶不可到达就放下冰镐。你也不会。
攀登本身，就是理解的过程。
Happy Climbing. 🏔️
贡献者与修订历史
查看详细修订记录
-
2af69852026-06-14 - Heyan Zhu: feat(model-serving): add quantization and pruning chapter, restructure for general-first narrative -
dc35df22026-06-14 - Heyan Zhu: refactor: unify into two-chapter mountain-climbing narrative