本文发,主要是记录在深度学习中遇到的参数量以及模型复杂度FLOPs计算公式,可能会存在些许错误,望各位周正。
标准卷积:
1.参数量:kernel_size(3*3) * in_channel * out_channel
2.FLOPs:kernel_size(3*3) * in_channel * out_channel * H * W
群组卷积:
1.参数量:kernel_size(3*3) * in_channel/G * out_channel/G * G
2.FLOPs:kernel_size(3*3) * in_channel * out_channel * H * W/G
深度可分离卷积:
1.参数量:kernel_size * in_channel * out_channel/in_channel=kernel_size*out_channel
2.FLOPs:kernel_size(3*3) * out_channel * H * w