【摘要】深度学习已广泛应用在科研教学、工业生产等各领域，但因其数据量庞大和模型结构复杂，在模型训练阶段要依赖大量的计算资源。为了能在实验教学环节提升资源利用效率，让学生更加熟练地掌握数据搜集和模型参数调整优化的能力，提出了一种基于权重复用的训练加速方法，分别对VGG和ResNet网络结构的深度和宽度进行伸缩拓展，允许模型复用结构相似但不需要完全一致的网络权重。实验结果表明，在CIFAR10数据集上测试，采用权重复用方法进行初始化的训练更快收敛，而且在训练结束时与随机化训练的准确率相近，实现拓展后的网络加速训练，是一种更加灵活的知识迁移方法，有助于培养学生对复杂模型的理解与优化能力。