机器视觉工程师，曾参与了多个人工智能相关软件产品的设计与研发，现主要设计与研发工业视觉系统
Pytorch 模型优化部署背后的技术探究
主题
3:30 p.m. - 4 p.m.
分会场 C(108 教室)
随着深度学习在工业视觉系统中的广泛应用，PyTorch 训练的模型往往需要进行优化和转换，以满足高实时性生产环境的需求。本次分享将通过一个异常检测模型的部署实例，深入剖析 PyTorch 模型优化与部署背后的关键技术，重点介绍 Tracing 和 Scripting 两种模式的工作原理及应用场景，展示如何将模型转换为高效的部署格式，并实现推理加速。本次分享将结合代码示例与实际项目案例，帮助开发者更好地掌握 PyTorch 模型的优化与部署方法。