本文介绍了Spatial Re-parameterization (SpRe)方法，用于在CNN中应用N:M稀疏性。该方法通过利用非结构化稀疏性的空间分布，在训练期间为N:M稀疏性模型分配额外的支路，以保持空间分布。在推理期间，该额外的支路可以重新参数化为主要的N:M支路，而不会增加计算成本。SpRe方法在各种基准测试中与最先进的非结构化稀疏性方法表现相当。