| |
论文名称
|
深度学习模型压缩之
ShuffleNetV1
|
作者
|
miclover
|
参考
| |
书摘
| |
| |
思考
| |
文中对于
ShuffleNetV1主要工作创新点:
1、 Group convolution(分组卷积)
首先出现在AlexNet网络结构中,主要思想是,将输入分组,卷积核大小分组。举例看:假设输入16维度,卷积核3X3,卷积核个数32个,传统的参数计算为16*3*3*32;而如果使用分组卷积,假设分为4组,则计算量为4*(4*3*3*8);计算量为原来的1 / 4。每个组输出的channels,最后经过concat操作,最终输出维度还是为32维度。但是这样做将会带来一个问题,组与组之间是没法进行正常的特征交流的,因此,还需要第二个创新点。
2、Channel Shuffle Operation (通道重组操作)
网络结构:
|
【ShuffleNet-V1】深度学习模型压缩之ShuffleNetV1
最新推荐文章于 2024-07-27 15:26:43 发布