组卷积(group Conv)与深度可分离卷积(depthwise)简介

在这里插入图片描述
详细解释:https://zhuanlan.zhihu.com/p/92134485
个人理解:一共分为两步
1.对每个输入通道进行一个卷积,有几个通道就几个1kk的卷积平面,通道之间没有任何沟通。
2.类似全连接的手段将每个通道卷积后的特征图们关联起来。

计算量:Cin=3,Cou=2,输入特征图33大小。k=3
原来:3
332=54
深度可分离:333+1132=33
3
33(第一步)+1132(第二步)

组卷积:(最早见于AlexNet——2012年Imagenet的冠军方法,Group Convolution被用来切分网络,使其在2个GPU上并行运行)
把channel分为多组,一个卷积核不需要对所有通道的特征图进行卷积,仅仅对本组内的通道特征进行卷积。
当每组中仅有一个通道特征时,即为深度卷积。

  • 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