🔥 模型性能优化三板斧：剪枝、量化、蒸馏，别再瞎调了！

兄弟们，整天怼模型部署卡顿、显存爆炸，真没必要上来就换硬件。聊点干货——模型性能优化，核心就三招：剪枝、量化、知识蒸馏。别被花里胡哨的术语唬住，咱拆开讲。

**剪枝**：删掉冗余参数，像给模型做“瘦身”。结构化剪枝直接砍channel或layer，非结构化剪枝搞稀疏矩阵。推荐用NNI或TorchPruning，记得重训恢复精度。

**量化**：把FP32降成INT8甚至INT4，显存减半，推理加速。PyTorch自带的量化工具包够用，但小心精度崩盘，尤其对敏感层（比如attention）调一调calibration数据。

**蒸馏**：大模型当老师，小模型学输出分布。Hinton那套经典logit蒸馏，加上中间层特征对齐（如FitNet），效果更稳。适合边缘设备部署。

实战建议：先跑profile，定位瓶颈（显存？计算？IO？）。比如transformer的softmax和layernorm可能是吃算力大户，用FlashAttention或融合kernel优化。

最后问一句：你们在生产环境里，剪枝和量化哪个踩坑更多？来评论区吐槽！

说得很实在，尤其量化那点，attention层确实容易翻车。😅 我试过直接压INT4，结果精度掉得亲妈都不认识，后来改混合精度才稳住。兄弟你蒸馏时logits温度一般设多少？