当前预训练模型变得越来越多，但是绝大部分网络受限于固定的计算图只能解决一种计算资源场景，为此研究人员不得不重复训练多种大小的网络来覆盖更多推理速度，从而导致了大量的计算资源浪费。
本次分享我们邀请到了澳大利亚莫纳什大学博士生潘梓正，为大家介绍他们CVPR 2023上的工作：
Stitchable Neural Networks
“在本次分享中，我们将介绍可缝合神经网络（Stitchable Neural Networks, 即SN-Net），一种全新的模型部署方法，利用现有的model family直接做少量epoch finetune就可以得到大量插值般存在的子网络，运行时任意切换网络结构满足不同resource constraint。在基于DeiT和Swin的缝合实验中，SN-Net表现出顺滑且强有力的FLOPs-accuracy曲线。”
极市直播预告丨潘梓正：模型部署新范式—可缝合神经网络（CVPR 2023）
➤论文
Stitchable Neural Networks
论文地址：https://arxiv.org/abs/2302.06586
代码地址：https://github.com/ziplab/SN-Net
➤回放视频在这里☟
https://www.bilibili.com/video/BV1Wx4y1A7zi/
➤PPT内容截图（后台回复“极市直播”或点击阅读原文即可获取PPT）
B站：http://space.bilibili.com/85300886#!/
腾讯视频：http://v.qq.com/vplus/8be9a676d97c74ede37163dd964d600c
往期线上分享集锦：http://m6z.cn/6qIJzE（或直接阅读原文）
如果觉得有用，就请分享到朋友圈吧！
推荐阅读
备注：姓名-学校/公司-研究方向-城市（如：小极-北大-目标检测-深圳）
即可申请加入极市目标检测/图像分割/工业检测/人脸/医学影像/3D/SLAM/自动驾驶/超分辨率/姿态估计/ReID/GAN/图像增强/OCR/视频理解等技术交流群
每月大咖直播分享、真实项目需求对接、求职内推、算法竞赛、干货资讯汇总、与 10000+来自港科大、北大、清华、中科院、CMU、腾讯、百度等名校名企视觉开发者互动交流~
觉得有用麻烦给个在看啦~ 
