近年来，深度卷积网络在图像识别、目标检测、场景理解等计算机视觉任务上取得了较大的成功。但在智能手机、可穿戴装置、物联网设备等边缘计算平台，有限的计算能力、存储空间和能量供给制约了深度学习的可用性。如何面向边缘计算平台设计低功耗、低延迟的轻量化深度学习模型是当前一个重要的研究方向。本报告将从动态自适应模型的角度介绍高效深度神经网络设计的研究进展，并探讨现有方法的局限以及未来发展前景。
