轻量级网络之ShuffleNet V2

论文:ShuffleNet V2: Practical Guidelines for Ecient CNN Architecture Design

论文链接:https://arxiv.org/abs/1807.11164

代码:

因项目需要跑了ShuffleNet V2,发现比resnet50足足快了60ms,识别率也能满足项目需求。看了论文,特来分享。

ShuffleNet V2主要对目前一些主流网络进行多组对比实验,并从这些对比实验中进行一定的理论分析和总结,最后得出4条关于 CNN 网络结构设计的准则,帮助设计高效的神经网络结构。下面先贴出文中观点:

2个问题:

(1)FLOPs(浮点计算量)不能作为衡量目标检测模型运行速度的标准,因为计算速度跟平台框架、硬件设备还有关;

(2)MAC(Memory access cost)也是影响模型运行速度的一大因素;

衡量模型运行速度,应采用如运行时间(speed\runtime)这样的指标。建议在GPU上,使用Batches/sec进行速度衡量;在ARM上,使用Images/sec进行衡量。

4条网络设计准则:
G1:卷积操作时,输入通道数尽量等于输出通道数(卷积核数量)可降低M

  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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