SortedNet是一种利用深度神经网络的内在模块化性质实现高效动态推断的模型。它通过排序和概率的方式一起训练主模型和子模型，并具有最小的存储要求和高效的切换能力。实验证明了该方法的有效性，并展示了其在同时训练多达160个不同子模型的广泛可扩展性。