在移動端使用深度學習模型時，我們需要參數少、計算速度快的模型，因此一個性能更高效的模型才是落地的關鍵。本次將從卷積核，拓撲結構，剪枝，量化，蒸餾，動態推理，AutoML等方向來講述如何獲得一個更加高效的CNN模型。

文/編輯 | 言有三

?

1 直播主題?

網絡結構是深度學習成功的關鍵因素之一，不僅是非常重要的學術研究方向，在工業界實踐中也是模型是否能上線的關鍵。隨著深度學習的發展，各種各樣的網絡結構都被設計出來，從拓撲結構到卷積核的使用方式，從追求高精度到追求高性能，從手動設計到基于AutoML的自動設計，有非常多的寶貴經驗和核心技術值得研究總結和分享。

本次直播是我在阿里天池的系列直播中的第三個，第一次的主題是《深度卷積神經網絡模型設計技術》，第二個是《如何設計性能更強的深度卷積模型》，這一次是《如何獲得更加高效的CNN結構》，后面還有一期《一些工業界的實踐技巧》，屆時會在公眾號通知的。

這次直播的內容如上，總共直播的時長是1小時，視頻回放如下。

點擊邊框調出視頻工具條

前兩次直播的鏈接如下：

?2 后續直播?

后續的直播時間我們會在平臺通知，請大家及時關注即可。如果想知道直播中的各種網絡的細節以及進行更多的討論，可以添加有三微信Longlongtogo申請加入有三AI知識星球。

星球相關內容介紹如下：

今年還要更新上百期GAN相關的內容，大有可為。

最近更新的一些模型如下：

轉載文章請后臺聯系

侵權必究

總結

以上是生活随笔為你收集整理的【直播】如何获得更加高效的深度卷积神经网络的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。