Pytorch 模型优化部署背后的技术探究

主题
  • 杨权 哈尔滨工业大学重庆研究院机器视觉工程师

    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

    yangquan
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。

演示文稿:4-杨权-Pytroch 模型优化部署背后的技术探究v2