分组卷积：一组d维的卷积核负责卷积输入中的d维，有几组就生成几组channel。这里一组可以是1，2，3………个卷积核。
在右图中每一个group都有两个卷积核，每一个卷积核都是4个通道；
Channel Shuffle：
一个分为g组的feature maps，先reshape为g*n的矩阵，在转置，再flatten就能跨组之间通信。
ShuffleNet基本模块
add逐元素求和，concat在通道方向落在一起；
本文详细介绍了深度学习中两种重要的卷积操作：分组卷积和Channel Shuffle。分组卷积允许不同卷积核处理输入的不同部分，增加模型的效率和多样性。而Channel Shuffle则是通过重新排列特征图的通道，实现组间信息的交流。ShuffleNet基本模块结合了这两种技术，通过add和concat操作进一步融合特征。这些技术对于构建高效且表现优秀的深度学习模型至关重要。
896
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
