Pytorch:能够减少计算量的非对称卷积(asymmetric convolution)的pytorch实现

前言

在实际应用中,我们可能会遇到使用非对称卷积的情况,如谷歌的inceptionv3v4中就有使用1x7,7x1的卷积,这和我们平时使用的3x3卷积不同,是不对称的。

计算量

相比直接进行卷积,非对称卷积能够减少计算量。原来是 n×n 次乘法,改了以后,变成了 2×n 次乘法了,n越大,运算量减少的越多。
假设有一个5x5大小的特征图,使用3x3的卷积,不进行padding(即valid),步长默认为1。
计算量
先进行3x1卷积核的滑动,横向滑动3次,纵向滑动5次,每一次计算量为3,计算量为(3x5)x3=45。得到的新的特征图为 [3,5] 。再进行1x3卷积,横向滑动3次,纵向滑动3次,每一次计算量为3,计算量为(3x3)x3=27。则总的计算量为45+27=72
使用3x3的卷积核对5x5的图进行卷积得到的计算量为:横竖三次滑动,每次计算量为9,则9x9=81>72

代码

import torch
a = torch.randn(
  • 2
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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