文尹习习的博客

论文核心：1、提出通道关系依赖图CDG，适合分析CRF2、提出CRF通道感受野，试图通过分析CRF来达到FCRF进而方便设计卷积块conv block3、提出交错分组卷积3x3的IGC+1x1的GC 卷积块结构，满足FCRF。4、设计了clcNet轻量型网络 总结：clc结构类似于mobilenet v1的dw-pw结构的优化，保证了FCRF且减少了参数量：参数量就...

论文出发点：旨在设计一个轻量级但是保证精度、速度的深度网络分析当前：1、直接用FLOP来衡量算力，不够准确。因为不同的网路，即使参数量相同（模型大小相同），但是模型速度还是存在差异。改为直接用速度（speed）来衡量2、直接影响速度的因素，首先MAC，比如分组卷积，需要强大的算力对设备GPU是个挑战；其次并行度。因此，设计网络需要考虑：speed和platform同时提出4条设...

1、permutepermute是SSD特有的层，功能类似于np.swapaxes；相当于交换caffe_blob中数据的维度，如图2、reshape只改变输入数据的维度，内容不变。（变形而已）3、flatten将多维数据拉成向量：Flatten层是把一个输入的大小为n * c * h * w变成一个简单的向量，其大小为 n * (c*h*w)。当Reshape层的...

参考自：https://www.zhihu.com/question/265434464/answer/306493409 首先，caffe原先的gpu实现group convolution很糟糕，用for循环每次算一个卷积，速度极慢。第二，cudnn7.0及之后直接支持group convolution，但本人实测，速度比github上几个直接写cuda kernel计算的dw co...

实际任务中，往往会需要多步训练，或者将两个网络拼成一个网络，那么将新的小模型拼接在已经训练好的主干网络上训练，如何做到只训练新支，而不破坏原主干网络已经训练好的weight，这就需要锁住训练，保证网络只更新新支的weight。锁住训练需要三步：1、将需要锁住的层的w和b的学习率lr_mult设置为0；将该层的学习率置0，只是固定了该层的参数，即该层的参数将不更新，该层得到的梯度依然会反...