近年来，视觉Transformer（ViT）的进展表明，模型规模越大，性能通常越优。然而，训练这些大型模型仍然面临计算成本高昂、资源消耗巨大的挑战。为应对这一问题，我们提出ScaleNet，一种高效扩展ViT模型的方法。与传统的从头训练不同，ScaleNet基于已有的预训练模型，实现快速模型扩展，且参数增长几乎可以忽略不计，从而提供了一种经济高效的ViT扩展方案。具体而言，ScaleNet通过在预训练ViT模型中插入额外的网络层来实现模型扩展，并采用逐层参数共享机制以保持参数效率。每一新增层的参数张量均与预训练模型中的对应层共享。为缓解因参数共享可能导致的性能下降问题，ScaleNet为每一层引入一组少量的可调参数。这些调整参数通过并行的适配器模块（adapter modules）实现，确保每个共享参数张量的实例在保持独立性的同时，能够针对其特定任务进行优化。在ImageNet-1K数据集上的实验表明，ScaleNet能够高效扩展ViT模型。以深度扩展两倍的DeiT-Base模型为例，ScaleNet在仅需三分之一训练轮次的情况下，相比从头训练提升了7.42%的准确率，充分展现了其在ViT模型扩展方面的高效性。此外，我们的方法在下游视觉任务中也展现出显著潜力，这一优势在目标检测任务的验证中得到了进一步证实。