VALSE2019

张祥雨 旷视

一、轻量化模型设计思想

深度基础模型在现代深度视觉系统中居于核心地位。在实际应用中，受应用场景、目标任务、硬件平
台等的不同，经常会对模型的执行速度、存储大小、运算功耗等进行限制。因此，如何针对各种不同的情景设
计“又好又快”的模型，成为深度学习系统实用化的重要课题。本次报告主要围绕实用模型设计的两个常用技
术：轻量级模型设计和模型裁剪，重点介绍本团队在高效深度模型领域的科研成果和实践经验。分享内容包括
ShuffleNet v1/v2 系列，以及Channel Pruning 等研究成果。最后，还将介绍本团队在自动化轻量级模型设计
方面的最新成果。