图像分类
文章平均质量分 90
进阶のmky
这个作者很懒,什么都没留下…
展开
-
[论文笔记]ShuffleNet V2: Practical Guidelines for EfficientCNN Architecture Design
目录一、前言二、轻量化网络发展三、论文解读 (一)为什么FLOPs≠速度 (二)如何减小MAC (三)其他影响因素 (四)结论四、ShuffleNet_v2网络结构 (一)网络结构 (二)block设计五、实验验证六、代码实现七、完整代码一、前言ShuffleNet V2中提出了很多新颖的观点,推动了轻量级神经网络的发展。 这里简单说一下我对这篇论文的理解。首先,作者开门见山提出过去绝大...原创 2021-11-25 22:52:51 · 2249 阅读 · 0 评论 -
PyTorch 实现shuffleNet_v1在CIFAR10上图像分类
一、前言 shuffleNet_v1是轻量级的网络,通过引入逐点组卷积以及通道重排技术,有效减少了参数量以及计算量。二、网络结构以及原理 (一)Group Convolution Group Convolution早在AlexNet利用多GPU训练时被使用,之后ResNeX将中间3*3卷积采用组卷积的形式(这也是作者提出block的灵感吧,既然3*3利用了组卷积,为什么1*1的卷积核不使用呢)。组卷积是将输入channel分为多个group,同时将卷积核ch...原创 2021-11-25 11:53:21 · 1902 阅读 · 4 评论 -
PyTorch 实现MobileNet_v3在CIFAR10上图像分类
一、前言 MobileNet_v3是在MobileNet_v2以及MnasNet基础上改进的。 先简要介绍下MnasNet网络,MnasNet是在MobileNet_v2与MobileNet_v3之间被提出的,主要基于NAS(神经架构搜索)来寻找不同的block。之前大多数NAS搜索的是一个cell,之后将cell进行反复堆叠,而这种网络往往是很受限的(主要表现在准确率以及延迟上)。MnasNet通过寻找不同的block增加了网络的多样性,此外为了更好的反应模型部署到手...原创 2021-11-20 21:24:15 · 5871 阅读 · 14 评论 -
PyTorch 实现MobileNet_v2在CIFAR10上图像分类
目录一、前言二、网络结构三、参数量四、代码(一)model(二)train(三)Test五、训练结果六、完整代码一、前言 MobileNet_v2是在MobileNet_v1基础上改进的。一方面解决了MobileNet_v1中不包含残差结构,另一方面解决了MobileNet_v1中大多数的dw卷积会不起作用。 MobileNet_v2提出了一种倒残差结构(Inverted Residuals)。传统的残差结构是先降维后升维...原创 2021-11-17 14:46:29 · 3939 阅读 · 9 评论