文章信息
内容摘要
不同于之前的 RepVGG 和 DBB 训练多分枝和测试单分枝(重参数聚合多分枝 conv op 为单分支 conv,有效减少测试时间),文章提出来一种全新的在线重参数方法,在训练过程中也可以通过重参数加速训练,在 inference 时,通过融合 BN 进一步加快 inference 时间。相对 RepVGG 和 DBB,该论文的方法无容置疑又向前走了一步。
论文方法简介
实验数据
通过对比 DBB 和 RepVGG,OREPA 的方法有少量精度提升,论文主要贡献点还是在线重参数化概念和训练加速。
论文总结和展望
这篇论文通过分析 BN 对各分支的影响,拆解出 scale op,将重参数方法应用于训练过程,近一步加快了训练速度,对于 AI model training 有较大的意义,无疑完善了重参数的架构和理论,是一个相当不错的工作。