本文介绍深度学习卷积操作中计算代价(the problem of computational cost)的衡量方法
在模型压缩以及嵌入式开发中,由于硬件条件的限制,导致网络的计算代价与参数量受到约束。那么计算代价如何衡量?
举例:如下图,输入为28*28*192,卷积核大小为5*5*192,卷积核个数为32个,输出为28*28*32的特征。
我们可以这样理解,对于output共计28*28*32个特征,每个特征需要经过卷积中乘法操作:5*5*192次(即卷积核大小),加法操作同乘法操作数目相同。故经过卷积后(仅考虑乘法时)计算代价为(5*5*192)*(28*28*32)。