mobilenetv2为什么比mobilenetv1参数少

刀么克瑟拉莫

于 2021-08-31 11:06:35 发布

阅读量384

点赞数 1

分类专栏： deeplearning 文章标签：深度学习

本文链接：https://blog.csdn.net/random_repick/article/details/120013039

版权

deeplearning 专栏收录该内容

77 篇文章

订阅专栏

本文探讨了卷积神经网络中特征图通道数量和扩张比例对模型参数量的影响。V1结构采用1*1*256*512再3*3*512的卷积，而V2则使用1*1*64*512、3*3*512和1*1*512*96，扩张比例为8。通过对比发现，增加通道数和扩张比例可以有效减少参数，但需注意过大扩张比例可能降低信息有效性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

                    
                    同样是对512通道的特征图卷积
v1的方式是1*1*256*512再3*3*512
v2的方式是1*1*64*512再3*3*512再1*1*512*96，这里的扩张比例是8
可以看到v2比v1少了1*1*96*512
被卷积特征图的通道越多，参数减少越多；扩张比例越大，参数减少越多。
考虑到获取的信息的有效性，扩张比例不应过大。