高效神经网络设计原则

1、卷积层使用相同的输入输出通道数:输入输出具有相同通道数时,内存消耗最小;

2、注意平衡大的卷积分组数带来的改善和问题:虽然分组卷积能提高模型准确度、显著降低参数数量以及FLOPs,但使用过多的分组卷积会增大内存访问成本(MAC),反而会降低模型速度;

3、减少分支以及所包含的基本单元:同样的FLOPs,模型的分支数量越少,运行速度越快(同样的单元数与FLOPs,串联的运行速度快于并联);

4、减少Element-wise操作:Element-wise操作的运行时间不能忽略(如Add、激活函数、短连接、depthwise可分离卷积),(尤其在GPU上)是典型的低FLOPs、高MAC的操作。

  • 0
    点赞
  • 0
    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