本期为青源LIVE第34期线上直播活动，参与直播互动讨论有惊喜🎁！
结构重参数化（structural re-parameterization）指的是首先构造一系列结构（一般用于训练），并将其参数等价转换为另一组参数（一般用于推理），从而将这一系列结构等价转换为另一系列结构。
丁霄汉博士认为在现实场景中，训练资源一般是相对丰富的，我们更在意推理时的开销和性能，因此我们想要训练时的结构较大，具备好的某种性质（更高的精度或其他有用的性质，如稀疏性），转换得到的推理时结构较小且保留这种性质（相同的精度或其他有用的性质）。换句话说，“结构重参数化”这个词的本意就是：用一个结构的一组参数转换为另一组参数，并用转换得到的参数来参数化（parameterize）另一个结构。
本期青源LIVE邀请了丁霄汉博士做题为《结构重参数化与通用视觉模型的基本设计元素》的报告。
主讲人：丁霄汉是清华大学博士生，师从丁贵广副教授，研究领域为神经网络通用模型、基本工具、基础理论。在CVPR/ICCV/ICML/NeurIPS等会议发表过一系列关于模型设计、优化、压缩、加速的论文，建立了一个称为结构重参数化的技术流派和体系。其中，在旷视研究院实习期间的代表作RepVGG已获得约2100 GitHub stars。
主题：结构重参数化与通用视觉模型的基本设计元素
时间：2021年12月8日（周三）19：00~20：00
形式：线上
入会方式：
腾讯会议-ID：294-586-520
直播地址一：
https://event.baai.ac.cn/activities/210
B站直播：
http://live.bilibili.com/
报告简介:
1. RepVGG：重参数化与极简架构设计
2. ACNet，DBB：重参数化与增强卷积组件
3. ResRep：重参数化与无损宽度优化（通道剪枝）
论文链接：
RepVGG：arxiv.org/abs/2101.0369
ACNet：arxiv.org/abs/1908.0393
ResRep：arxiv.org/abs/2007.0326
代码链接：github.com/DingXiaoH
扫描下方二维码报名参加活动
欢迎加入智源社区「计算机视觉」交流群
参与互动获取奖品
方式一：直播互动
在腾讯会议LIVE直播间提问参与互动，我们会从参与腾讯会议直播互动的用户中随机抽取幸运观众，送出我们的精美AI书籍（名额有限）。
方式二：留言互动
关注智源社区公众号，在公众号后台留言推荐下一期live嘉宾，推荐的嘉宾被选中后我们会赠送给您智源社区纪念品。（嘉宾推荐模板：姓名+研究方向+当前工作重点）
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/73765.html