ShuffleNet v2论文笔记

最新推荐文章于 2023-12-29 15:55:40 发布
最新推荐文章于 2023-12-29 15:55:40 发布
阅读量610 收藏 3
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/nokio0034/article/details/81284397
版权

旷视科技近日公开了一篇CNN结构设计优化的文章（已被ECCV2018收录），分享下自己的阅读笔记。

文章提出：FLOPs虽然可以反映计算复杂度，但不能体现计算的速度和延迟(latency)，最直观的例子就是MobileNet v2和NASNET-A具有相当的FLOPs，但前者的计算速度更快。作者分析形成差异的原因有两点：

a.MAC(Meomry Access Cost)即内存访问代价的不同

b.相同的FLOPs规模在不同平台速度表现不同（作者举例cudnn7.0对3x3卷积的优化）

结论：1.评测不仅考虑FLOPs，也要考虑运算速度

           2.使用特定的平台

 

作者提出了设计网络时的四项基本原则:

G1：输入输出通道相同，减少MAC

     1x1的卷积核，特征图的尺寸为h*w，输入特征channel为c_{1}，输出特征channel为c_{2}，FLOPs为:

     B=hwc_{1}c_{2}

     MAC的值为：

     

最低0.47元/天 解锁文章
飞往比邻b
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
YOLOv8 更换主干网络之 ShuffleNetv2 详解
走向CTO的路上...
05-29 929
ShuffleNetv2 是一种轻量级高效的卷积神经网络架构，旨在为图像识别任务提供更高的性能和效率。它通过使用通道洗牌 (Channel Shuffling) 和分组卷积 (Group Convolution) 等技术来实现，在保持精度的同时显著降低了模型的计算量和参数量。
【深度学习经典网络架构—9】：ShuffleNet系列（V1、V2）
王乐予的博客
03-25 4814
一、简述 在学术界，大多围绕着如何提高视觉任务的SOTA进行研究，但在工业界，一个良好的模型如何移植到计算能力不足的移动设备上才是重点考虑的问题。 ShuffleNet是由旷视研究院于2018年发表在CVPR上的一篇文章。AI四小龙之一的旷视，多次在顶级会议（如CVPR、ECCV、ICCV）上发表文章。ShuffleNet的第一作者 Xiangyu Zhang 张祥雨 也是里程碑式神经网络ResNet的作者！ 在ShuffleNet中，作者使用了两个操作，分别是==逐点组卷积（pointwise gro
【深度学习】(5) ShuffleNetV2 代码复现，网络解析，附pytorch完整代码
博观而约取，厚积而薄发
12-15 5444
在同等复杂度的情况下，ShuffleNetV2 要比 ShuffleNetV1 和 MobileNetV1 更加准确。这个网络的优势在于：（1）作为轻量级的卷积神经网络，ShuffleNetV2 相比其他轻量级模型速度稍快，准确率也更高；（2）轻量级不仅体现在速度上，还大大地减少了模型的参数量，并且通过设定每个单元的通道数便可以灵活地调整模型的复杂度。
【卷积神经网络系列】十六、ShuffleNet-V2
traveller的博客
09-27 661
ShuffleNet-V2
【轻量化网络系列（5）】ShuffleNetV2论文超详细解读（翻译 ＋学习笔记+代码实现）
路人贾的博客
06-01 7242
ShuffleNet V2论文《ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design》翻译＋超详细解读，包含代码实现
轻量级神经网络——shuffleNet
热门推荐
秃头小苏的博客
02-28 1万+
文章目录轻量级神经网络——shuffleNetshuffleNet1逐点分组卷积(Pointwise group convolution)✨✨✨通道重排(channel shuffle)✨✨✨shuffleNet Unit✨✨✨shuffleNet1的网络结果和效果 轻量级神经网络——shuffleNet shuffleNet1   在之前，已经讨论过一种轻量级神经网络——MobileNet，文中对MobileNet的三个版本都做了详细的介绍，读此篇之前，建议先了解MobileNet，特别是要对其中的深度可
ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design
12-03
Accordingly, a new architecture is presented, called ShuffleNet V2. Comprehensive ablation experiments verify that our model is the state- of-the-art in terms of speed and accuracy tradeoff.
使用pytorch写的Shufflenet v2代码，详细注释，可以生成训练集和测试集的损失和准确率的折线图
05-01
Shufflenet v2是深度学习领域中一种高效、轻量级的卷积神经网络（CNN）架构，尤其适用于移动设备和资源有限的环境。它在保持模型性能的同时，大大减少了计算复杂度和内存需求。PyTorch是一个流行的深度学习框架，以...
轻量化模型之ShuffleNet v2 onnx 文件
05-11
ShuffleNet v2是深度学习领域中一种高效且轻量级的神经网络架构，主要设计用于移动设备和嵌入式系统的计算机视觉任务。这个模型在保持较高精度的同时，大幅度减少了计算资源的需求，使得在硬件限制较大的环境下也能...
【论文】旷视科技提出的新型轻量架构ShuffleNet V2
07-30
旷视科技提出针对移动端深度学习的第二代卷积神经网络 ShuffleNet V2。论文已被ECCV 2018收录
经典CNN轻量级网络之shuffleNet v2 对厨余垃圾8分类数据集的分类任务
12-20
本项目基于 shuffleNett v2的图像分类，可直接运行。 数据集采用厨房常见的8类厨余垃圾（剩菜剩饭、大骨头、水果果皮、水果果肉、茶叶渣、菜根菜叶、蛋壳、鱼骨)，包括...shuffleNet v2 参数有1261804个，百万的数量级
轻量化网络结构——ShuffleNet
小花生的博客
01-16 1941
论文：《ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices》—Face++ 1.shuffle具体来说是channel shuffle，是将各部分的feature map的channel进行有序的打乱，构成新的feature map，以解决group convolution带来的[信息流通不畅]的问题。（MobileNet是用pointwise convolution解决这个问题。） 因此可知
【图像分类】【深度学习】【轻量级网络】【Pytorch版本】ShuffleNet_V2模型算法详解
最新发布
yangyu0515的博客
12-29 1747
【图像分类】【深度学习】【轻量级网络】【Pytorch版本】ShuffleNet_V2模型算法详解
ShuffleNet V2 （2018）读书笔记
m0_60534571的博客
03-21 225
使用 FLOPs 作为计算复杂性的唯一指标是不够的。间接（FLOPs）和直接（速度）指标之间的差异可归因于两个主要原因。首先，FLOPs 没有考虑几个对速度有相当大影响的重要因素。其中一个因素是内存访问成本 (MAC)。其次**，具有相同 FLOP 的操作可能具有不同的运行时间**，具体取决于平台。我们建议应该考虑两个原则来进行有效的网络架构设计。首先，应该使用直接指标（例如，速度）而不是间接指标（例如，FLOPs）。其次，应在目标平台上评估此类指标。
shuffleNet V2
文尹习习的博客
08-07 5441
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...
轻量化网络：ShuffleNet v2解析
zhw864680355的博客
02-18 7406
原文： ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design 论文链接：https://arxiv.org/abs/1807.11164 开源代码增加自定义layer（caffe版本）：https://github.com/anlongstory/ShuffleNet_V2-caffe 开源代码（t...
深度学习【57】ShuffleNet V2
DCD_LIN的博客
08-03 3290
这是shuffleNet的一个改进版本。论文分析了影响运行速度的几个因素，然后提出了一些指导原则。总的来说，这是一篇很不错的论文，值得学习。 现在很多模型的速度评估都是用FLOPs这个指标，但这个指标用来评价速度是不直接的。因为影响模型速度的因素不仅仅是FLOPs，内存访问操作所消耗的计算（memory access cost，MAC），以及平台因素。 对于MAC这种情况，有很多操作会有非常高...
ncnn之十一：pytorch模型转ncnn模型（以shufflenet_v2为例）
mingo_敏
03-18 2184
基本思路还是 pytorch模型转onnx模型再转ncnn模型 1 shufflenet_v2 模型结构 2 将pytorch模型转化为onnx 3 将onnx转化为ncnn模型 4 对比pytorch、onnx和ncnn的预测结果
ncnn上基于Caffe用MobileNet_SSD训练和测试自己的数据
anqian123321的博客
09-10 1321
ncnn上基于Caffe用MobileNet_SSD训练和测试自己的数据 a.采用VoTT用于图像检测任务的数据集制作voc格式 2.lmdb数据集制作 a.采用 weiliu89中的./data/VOC0712/create_list.sh和./data/VOC071...
ShuffleNet V2
10-09
ShuffleNet V2是一种轻量级的卷积神经网络架构，旨在提供高效的计算和内存使用，适用于移动设备和嵌入式设备等资源受限环境。它是ShuffleNet的改进版本，通过引入两个重要的设计思想来进一步提高性能：通道重排和...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值