深度学习-【图像分类】学习笔记8 ShuffleNet

于 2023-06-20 23:54:47 发布
阅读量765 收藏 1
点赞数 2
分类专栏： 计算机视觉 文章标签： 深度学习 ShuffleNet 图像分类
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/qq_43406895/article/details/127548238
版权

文章目录

8.1 ShuffleNet v1 v2理论讲解

ShuffleNet v1

论文链接：https://readpaper.com/paper/2963125010

在这里插入图片描述

在这里插入图片描述

Channel shuffle
在这里插入图片描述
相关链接：深度学习-【图像分类】学习笔记 6ResNet
在这里插入图片描述
group conv占据的时间很少，大部分卷积都被1 × 1的PW Conv占据了。
在这里插入图片描述

因此将所有的 1 × 1 的Conv都换成了 1 × 1 GConv。

如何搭建 Shuffle Net？
在这里插入图片描述
图中的g就是group。

在这里插入图片描述

在这里插入图片描述

核心思想：

  1. 在Group Conv后加上一个Channel Shuffle模块。
  2. 对于Block将其中的1×1卷积改成Group Conv。

ShuffleNet v2

论文链接：https://readpaper.com/paper/2883780447

比较硬核，建议直接去看原论文。

在这里插入图片描述

作者提出：
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

作者提出了设计高效网络的4条建议——
在这里插入图片描述

分条来看：

在这里插入图片描述
保持FLOPs不变，表示 B = hwc1c2是个常数。

在这里插入图片描述

8.2 使用Pytorch搭建ShuffleNet

Wei *
关注
  • 2
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
ShuffleNet算法详解
AI之路
07-14 7万+
论文：ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices 论文链接：https://arxiv.org/abs/1707.01083算法详解： ShuffleNet是Face++的一篇关于降低深度网络计算量的论文，号称是可以在移动设备上运行的深度网络。这篇文章可以和MobileNet
shuffleNet阅读笔记
小菜鸟的AI之路
08-14 2119
论文名称：ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices 论文链接：https://arxiv.org/abs/1707.01083 摘要 shuffleNet是face++在2017年提出，目的是提高深度模型的执行效率，降低对硬件的依赖，可在移动端执行。 我们知道深度...
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网络学习笔记
RayChiu757374816的博客
04-03 1154
简单记录一下ShuffleNet学习笔记
机器视觉：MobileNet 和 ShuffleNet
人工智能
04-17 975
最新人工智能论文：http://paperreading.club 虽然很多CNN模型在图像识别领域取得了巨大的成功，但是一个越来越突出的问题就是模型的复杂度太高，无法在手机端使用，为了能在手机端将CNN模型跑起来，并且能取得不错的效果，有很多研究人员做了很多有意义的探索和尝试，今天就介绍两个比较轻量级的模型 mobile net 和 shuffle net。 在介绍这几个轻量型的网络之前，我...
吴恩达-深度学习-个人笔记完整版
01-12
根据吴恩达深度学习视频（新版、老版结合）所做笔记，内容包含了视频所讲全部知识点，并且记录了很多自己的理解，以及对于部分知识进行了补充。压缩包中包括了markdown和pdf两个版本。
深度学习500问之图像分割-附笔记
08-31
第九章主要讨论的是深度学习在图像分割领域的应用和相关算法。图像分割是计算机视觉中的一个核心任务，它涉及预测图像中每一个像素的类别或物体归属。根据深度学习的方法，图像分割可以大致分为语义分割和实例分割。...
Deep AI 吴恩达深度学习-课程笔记
05-04
Deep AI 吴恩达深度学习-课程笔记 本文档是吴恩达老师深度学习课程(deeplearning.ai)的笔记，旨在帮助计算机专业人士掌握深度学习技术。课程共五堂课，涵盖深度学习的基础、神经网络的构建、卷积神经网络（CNN）、...
吴恩达-Deeplearning深度学习笔记
11-25
吴恩达-Deeplearning深度学习笔记 本文档是吴恩达老师深度学习课程的笔记，涵盖了深度学习的基础知识、神经网络的构建、卷积神经网络、递归神经网络、长短期记忆、深度学习的应用等方面。 深度学习是科技业最热门...
data-an深度学习demo笔记
最新发布
05-30
在深度学习领域，数据预处理和分析是至关重要的步骤，"data_an深度学习demo笔记"很可能是关于如何在实践中应用这些方法的一个详细教程。在这个笔记中，我们可以期待找到关于如何准备数据、清洗数据以及如何利用特定...
旷世轻量化网络ShuffulNetV2学习笔记
charles_zhang_的博客
06-24 722
ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design目前，神经网络体系结构的设计主要由计算复杂性的间接度量来指导，即FLOPs.。然而，速度等直接指标也取决于其他因素，如内存访问成本和平台特性。因此，这项工作建议评估目标平台上的直接度量，而不仅仅是考虑FLOPs.。基于一系列的控制实验，这项工作得出了一些有效网络设计的实用指南。因此，提出了一种新的体系结构，称为ShuffleNet V2。......
图像分类模型：ShuffleNet V1阅读笔记
DU_YULIN的博客
10-10 564
文章目录前言摘要（Abstract）1. 介绍（Introduction)2. 相关工作（Related Work)3. 方法（Approach)3.1 关于分组卷积的通道重组（Channel Shuffle for Group Convolutions)总结 前言 又是一个周末，前几周复习了轻量级分类模型-MobileNet系列，今天开始复习下另一类轻量级分类模型-ShuffleNet系列，至于说是复习，那是因为老早之前就已经看过了，本着复习的态度来重新学习。 论文标题：ShuffleNet: An E
ShuffleNet系列论文：从v1-v2
lovep1的博客
03-03 1045
v1 paper：https://arxiv.org/pdf/1707.01083.pdf v2paper：https://arxiv.org/abs/1807.11164 code：本文不提供code，参见各个框架的reademe 讲道理，存在mobielnet的情况下，我对shuffleNet的用法就少了很多，最大的存在感是shuffleNetV2提出了嵌入式芯片设计网络时的准则，这个才是关键所在，其他的一般情况下还是用mobilenet比较成熟，配合检测算法用的也比较多，部署框架支持的也...
ESPNet: Efficient Spatial Pyramid of Dilated Convolutions for Semantic Segmentation（自动驾驶领域轻量级模型）
qq_29462849的博客
06-11 1920
主要思想 基于传统卷积模块设计，提出一种高效空间金字塔卷积模块（ESP Module），有助于减小模型运算量和内存、功率消耗，以提高在终端设备上的适用性。这款模型和MobileNet系列、ShuffNet系列相似，都是轻量级模型，可以部署到移动端。 模型具体结构 如下图所示，模型主要有两个模块构成，一个是Efficient spatial pyramid模块，一个是HFF模块。 Efficien...
ShuffleNet论文阅读笔记
tuntunmmd的博客
05-08 332
论文信息： 链接：ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices 发表时间：2017年 来源：Face++ 摘要： 本文引入了一种极具计算效率的CNN架构，名为ShuffleNet，它专门设计用于计算能力非常有限的移动设备。新架构采用了两种新的操作，逐点组卷积和通道整合，大大降低了计算成本，同时保持了精度。 由于昂贵的1x1卷积代价，在极小的网络中，最先进的基础架构如Xcepti
轻量级深度学习网络(四）:详解轻量级网络ShuffleNet
chenyuping333的博客
08-15 3637
一、简介 ShuffleNet 是旷世科技的Face++团队提出的，晚于MobileNet两个月在arXiv上公开。论文标题： 《ShuffleNet： An Extremely Efficient Convolutional Neural Network for Mobile Devices 》 论文链接：https://arxiv.org/abs/1707.01083 命名 一看名字S...
shuffleNet v2
小菜鸟的AI之路
08-17 7307
论文名称：ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design 论文地址：https://arxiv.org/abs/1807.11164 目前，CNN网络在图像识别领域大放异彩，从最初的AlexNet到后面的GoogLeNet,ResNet,识别精度越来越高，但是除了精度之外，模型的计算复杂度也越来...
ShuffleNet详解
For_learning的博客
05-17 911
ShuffleNet详解 论文《ShuffleNet：An Extremely Efficient Convolutional Neural Network for Mobile Devices》 1 主要思想 轻量级CNN网络近年备受关注，与传统的高准确度但较为复杂的CNN，轻量级网络受限实际任务中计算资源的限制，重点关注模型复杂度和准确度的权衡。 已存在一些SOTA的轻量级模型，如Xception、ResNeXt等，但在这些网络中的pointwise convolutions（1*1 conv）计算
ShuffleNet总结
jacke121的专栏
09-02 4173
ShuffleNet总结 有预训练： https://github.com/ericsun99/Shufflenet-v2-Pytorch 先把卷积分组，然后交换通道传递 原文：https://www.cnblogs.com/heguanyou/p/8087422.html 目录 分组卷积与核大小对计算量的影响 不分组且只有一个样本 分组且只有一个样本 多个样本输入交换通道（Shuff...

“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

打赏作者

Wei *

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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