李宏毅机器学习课程2021---Architecture Design(Depthwise Separable Convolution)

一、Standard CNN

在这里插入图片描述
每个filter其实是一个立方体,4个filter参数共有72个。filter和channel是没有关系的。

二、Depthwise Separable Convolution
  1. Depthwise Convolution
    在这里插入图片描述

    有多少个channel就有多少个filter,

  2. Pointwise Convolution

在这里插入图片描述
filter的大小只能是 1 × 1 1\times 1 1×1

三、参数量的差异(一和二)

在这里插入图片描述

四、Low Rank approximation

原先是W,现在分成两层U,V,实际上参数是减少了,但是会减少W的可能性。
在这里插入图片描述

在这里插入图片描述
下面是经过depth-wise convolution和point-wise convolution得到的值。

五、Dynamic Depth

在这里插入图片描述

六、参考

[1](强推)李宏毅2021春机器学习课程

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值