Fix

Author: ironartisan

docs/ch08/ch08.md

@@ -1,6 +1,6 @@
 # 第8章 项目实践
 
-  在前面的章节里，我们分别学习了剪枝、量化、神经网络架构搜索及知识蒸馏等模型压缩技术，那么你能融合两种以上的技术对模型进行压缩吗？
+  在前面的章节里，我们分别学习了剪枝、量化、神经网络架构搜索、知识蒸馏与低秩分解等模型压缩技术，那么你能融合两种以上的技术对模型进行压缩吗？
 > 任务：基于前面已学知识，选择一种实际应用场景，不限框架和方法，使用两种及以上技术对模型进行压缩并对比前后效果~
 
 ## 8.1 总结
@@ -14,6 +14,8 @@
 - 神经架构搜索与知识蒸馏结合
 - 知识蒸馏与剪枝，量化结合
 - 神经网络架构搜索与剪枝，量化结合
+- 剪枝与低秩分解结合
+- 量化与低秩分解结合
 
   本教程将结合实际中的应用，对于常见的图像分类任务，通过对ResNet-18模型应用不同的压缩方法，并从硬件效率提升，模型能力保留(考虑实现难度，主要基于CIFAR-10数据集)，与算法实现难度的角度进行对比。