在移动端使用深度学习模型时，我们需要参数少、计算速度快的模型，因此一个性能更高效的模型才是落地的关键。本次将从卷积核，拓扑结构，剪枝，量化，蒸馏，动态推理，AutoML等方向来讲述如何获得一个更加高效的CNN模型。
文/编辑 | 言有三
1 直播主题
网络结构是深度学习成功的关键因素之一，不仅是非常重要的学术研究方向，在工业界实践中也是模型是否能上线的关键。随着深度学习的发展，各种各样的网络结构都被设计出来，从拓扑结构到卷积核的使用方式，从追求高精度到追求高性能，从手动设计到基于AutoML的自动设计，有非常多的宝贵经验和核心技术值得研究总结和分享。
本次直播是我在阿里天池的系列直播中的第三个，第一次的主题是《深度卷积神经网络模型设计技术》，第二个是《如何设计性能更强的深度卷积模型》，这一次是《如何获得更加高效的CNN结构》，后面还有一期《一些工业界的实践技巧》，届时会在公众号通知的。
这次直播的内容如上，总共直播的时长是1小时，视频回放如下。
点击边框调出视频工具条
今年还要更新上百期GAN相关的内容，大有可为。
最近更新的一些模型如下：
侵权必究
