好的模型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。
文/编辑 | 言有三
第一期直播
这次直播的内容主要就是介绍各种各样的模型结构，分了10多个方向，从残差网络到分组网络，多分支到多输入，非规则网络到动态推理网络等等。
从事深度学习算法研究的人员一直在追求精度更高的网络，这一次从模型的宽度、深度、卷积核和步长的大小，Dropout和BN层的设计，残差网络，多尺度与信息融合，Attention机制，AutoML，GAN等方向来讲述如何设计一个性能更强的CNN 模型。
总共直播的时长是1小时20分钟左右，视频回放如下。
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，本次讲述如何获得一个更加高效的CNN模型。
总共直播的时长是1小时，视频回放如下。
资源放送
以上3次直播共超过3个小时，200多页PPT，我们提供了原始PPT文件下载，去“有三AI知识星球”就可以下载。
更多细节和后续内容
直播中我们虽然给大家介绍了各种各样的内容，但是时间有限，无法深入每一个模型的细节，同时内容篇幅也有限。
如果想知道直播中的各种网络的细节以及进行更多的延伸，可以加入有三AI知识星球，其中的网络结构1000变板块就是专门介绍各种模型结构，已经超过200期，理论和实战兼备，形式如下：
