卷积神经网络的优点_卷积神经网络学习路线（四）| 如何减少卷积层计算量，使用宽卷积的好处及转置卷积中的棋盘效应？...

前言

这是卷积神经网络的学习路线的第四篇文章，这篇文章主要为大家介绍一下如何减少卷积层的计算量，使用宽卷积的好处以及转置卷积中的棋盘效应。

如何减少卷积层计算量？

从本系列的前面几篇文章看，减少卷积层的计算量主要有以下几种方法：

• 使用池化操作。在卷积层前使用池化操作降低特征图分辨率。
• 使用堆叠的小卷积核代替大卷积核。VGG16中使用
  个
  卷积代替一个
  卷积。
• 使用深度可分离卷积。将原始的
  的卷积核分成
  和
  两部分操作。
• 应用