在进行CNN的设计中,我们不仅要考虑模型的准确率,还需要考虑模型的实用性。现阶段大量的paper纯堆精度,缺没有深入思考模型以及算法的实用性。
最近有一点感触很深:很多我们在做研究时认为默认的东西,在进行实际应用项目中,才发现这些先验数据是无法获得的,这和学术探索是很不同的。可能需要问自己,我们应该做怎样的研究者?
对于CNN,网络的复杂度分析也是非常非常重要的。
1、时间复杂度——计算量。
就是我们常说的FLOPs,计算如下所示:
2、空间复杂度
空间复杂度主要包括两部分,总参数量 + 各层输出特征图