最近这两年关于深度学习落地的需求越来越大，因此也衍生出了很多关于性能优化的需求，这个性能优化是两方面的，一方面要在具体业务上有着较好的性能指标，另一方面还要在时间和空间上足够高效率。本手册从这两个角度出发，探索从模型设计，模型训练，模型剪枝与量化，最后再到模型部署的自顶向下各个环节中的性能优化方法，最终的目的在于尽可能快的训练一个性能尽可能好的模型，并且在部署的时候具有尽可能高的效率。本手册尽量从实际的角度出发，并更加倾向于一些plug and play的方法，除此之外也会提供一些代码和实验结果，致力于给相关领域的算法工程师或研究人员提供有价值的参考。
由于作者水平有限，本手册的第一个版本主要关注于算法层面（主要是CV相关）上，在模型部署等偏AI System的章节上目前主要做偏应用层面的介绍，在下一个版本中将会重点更新这部分的内容。另外本手册所介绍的方法可能会有遗漏以及错误，欢迎大家批评指正。最后本手册的初始版本权当抛砖引玉，我将本手册的LaTeX 源码放在了GitHub上，欢迎大家将各自领域的经验分享出来（例如NLP，推荐系统，以及流数据等等），以后也会将所有的contributor都写在本手册的作者列表里，目前计划是每三个月能release一个版本，希望能通过这样一个交流平台让AI的落地更顺利一点。
Frank
March 2021