1.一种用于压缩的方法，包括：
使用拉格朗日乘数来训练条件自动编码器；
用混合量化箱大小来训练包括条件自动编码器的神经网络；
接收包括图像或射频集成电路的模数转换器输出的数据；和
使用训练的神经网络对接收的数据进行压缩。
2.根据权利要求1所述的方法，其中，拉格朗日乘数的值从预定的值的集合被选择。
3.根据权利要求1所述的方法，其中，神经网络产生具有根据拉格朗日乘数的条件值而变化的压缩比率和失真的压缩输出。
4.根据权利要求1所述的方法，其中，使用条件卷积来训练条件自动编码器。
5.根据权利要求1所述的方法，其中，用混合量化箱大小来训练神经网络的步骤还包括：调整量化箱大小。
6.根据权利要求1所述的方法，其中，用混合量化箱大小来训练神经网络的步骤还包括：对于针对随机量化箱大小的各种噪声水平，提取均匀噪声。
7.根据权利要求1所述的方法，其中，神经网络被配置为：执行更好的可移植图形bpg压缩。
8.根据权利要求1所述的方法，其中，神经网络被配置为：执行射频集成电路的模数转换器输出的压缩。
9.根据权利要求8所述的方法，还包括：选择拉格朗日乘数和量化箱大小作为调制编码方案的函数。
10.根据权利要求9所述的方法，其中，神经网络还包括：将调制编码方案映射到拉格朗日乘数和量化箱大小的查找表。
11.一种用于压缩的系统，包括：
神经网络，包括条件自动编码器；和
处理器，被配置为：
使用拉格朗日乘数来训练条件自动编码器；
使用混合量化箱大小来训练神经网络；
接收包括图像或射频集成电路的模数转换器输出的数据；和
使用训练的神经网络对接收的数据进行压缩。
12.根据权利要求11所述的系统，其中，拉格朗日乘数的值从预定的值的集合被选择。
13.根据权利要求11所述的系统，其中，神经网络产生具有根据拉格朗日乘数的条件值而变化的压缩比率和失真的压缩输出。
14.根据权利要求11所述的系统，其中，处理器被配置为：使用条件卷积来训练条件自动编码器。
15.根据权利要求11所述的系统，其中，处理器还被配置为：通过调整量化箱大小，用混合量化箱大小来训练神经网络。
16.根据权利要求11所述的系统，其中，处理器还被配置为：通过对于针对随机量化箱大小的各种噪声水平提取均匀噪声，用混合量化箱大小来训练神经网络。
17.根据权利要求11所述的系统，其中，神经网络被配置为：执行更好的可移植图形bpg压缩。
18.根据权利要求11所述的系统，其中，神经网络被配置为：执行射频集成电路的模数转换器输出的压缩。
19.根据权利要求18所述的系统，处理器还被配置为：选择拉格朗日乘数和量化箱大小作为调制编码方案的函数。
20.根据权利要求19所述的系统，其中，神经网络还包括：将调制编码方案映射到拉格朗日乘数和量化箱大小的查找表。