【ShuffleNet-V1】深度学习模型压缩之ShuffleNetV1

论文名称	深度学习模型压缩之 ShuffleNetV1
作者	miclover
参考	https://www.jianshu.com/p/89d1d8559705 https://zhuanlan.zhihu.com/p/35405071 https://link.zhihu.com/?target=https%3A//arxiv.org/abs/1707.01083 https://blog.csdn.net/qq_38451119/article/details/82657510
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：