【论文阅读笔记】ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design

最新推荐文章于 2023-12-29 15:55:40 发布
最新推荐文章于 2023-12-29 15:55:40 发布
阅读量574 收藏 1
点赞数
分类专栏： ▶ 深度学习-计算机视觉 文章标签： 卷积 神经网络 网络 深度学习 机器学习
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/weixin_44936889/article/details/104231793
版权
本文介绍了ShuffleNet V2的论文，强调了直接度量（如速度）在设计高效CNN架构中的重要性，而非仅依赖FLOPs。作者提出了四个设计原则，包括最小化MAC、避免过度组卷积、减少网络分支以及考虑Element-wise操作的影响。实验表明，遵循这些原则可以优化网络性能，特别是在GPU和ARM平台上。ShuffleNet V2通过Channel Split和Special Down Sampling等策略，实现了高效且平衡的计算资源利用。
摘要由CSDN通过智能技术生成

《ShufflfflffleNet V2: Practical Guidelines for Effiffifficient CNN Architecture Design》

（一）论文地址：

https://arxiv.org/abs/1807.11164

（二）核心思想：

作者在论文中提出了以下几点：

  1. 基于内存、平台特性等的几个衡量神经网络性能的直接度量（ d i r e c t direct
了解本专栏 订阅专栏 解锁全文 超级会员免费看
BIT可达鸭
关注
专栏目录
订阅专栏
目标检测论文：ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design及其PyTorch实现
mingo_敏
07-22 929
ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design 论文链接：https://arxiv.org/pdf/1807.11164.pdf PyTorch：https://github.com/shanglianlm0525/Lightweight-network ShuffleNet V2 unit Sh...
主干网络篇 | YOLOv8 更换主干网络之 ShuffleNetv2 | 《ShuffleNet v2：高效卷积神经网络架构设计的实用指南》
YOLOv8项目贡献者
04-20 5632
YOLOv8 更换主干网络 ShuffleNetv2 手把手教程
ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design
12-03
Abstract. Currently, the neural network architecture design is mostly guided by the indirect metric of computation complexity, i.e., FLOPs. However, the direct metric, e.g., speed, also depends on the other factors such as memory access cost and platform characterics. Thus, this work proposes to evaluate the direct metric on the target platform, beyond only considering FLOPs. Based on a series of controlled experiments, this work derives several practical guidelines for efficient network de- sign. Accordingly, a new architecture is presented, called ShuffleNet V2. Comprehensive ablation experiments verify that our model is the state- of-the-art in terms of speed and accuracy tradeoff.
《ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design》论文笔记
m_buddy的博客
07-01 405
1. 概述 导读：文章指出现有使用例如FLOPs作为网络计算复杂度度量的方式是不准确的，还应该考虑诸如内存访问开销（MAC）以及平台特性等因素。这篇文章在固定的平台下进行实验分析（度量为速度与延迟），并给出了一些具有使用价值的网络设计指导意见。同时还提出了ShuffleNet的改进版本ShuffleNet v2，在网络性能与精度之间权衡做到了当时的state-of-the-art。 下面是当时...
【ShuffleNet V2】《ShuffleNet V2：Practical Guidelines for Efficient CNN Architecture Design》
bryant_meng
04-18 1178
ECCV-2018 caffe 版代码：https://github.com/miaow1988/ShuffleNet_V2_pytorch_caffe/blob/master/shufflenet_v2_x1.0.prototxt caffe 代码可视化工具：http://ethereon.github.io/netscope/#/editor 文章目录1 Background and Mo...
ShuffleNet V2：优化CNN设计的实用准则与高效架构
ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design 在深度卷积神经网络（CNN）的设计过程中，传统的指导原则主要侧重于间接性能指标，如计算复杂度，即浮点运算次数（FLOPs）。然而，...
论文笔记：ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design
richard_che的博客
06-11 407
中心思想 指出当前主流的对轻量级网络的衡量方式不够全面（仅用FLOPs来衡量一个模型的轻量级程度） 实际在端上执行一张图像的预测，还需要考虑其他因素，如内存访问，平台架构等等 因此从实际角度出发，给出了一些轻量级网络的设计指导，并最终根据这些指导，引出了新的网络结构——ShuffleNet v2 用FLOPs衡量模型的主要问题 FLOPs本身和实际应用中关心的效率指标未必成正相关，如在应用中一般用的是speed, latency 在FLOPs相同的情况下，不同网络的真正速度也有差别， 同一个网络，在不
【阅读笔记】《ShuffleNet V2: Practical guidelines for Efficient CNN Architecture Design》
ShuqiaoS的博客
02-27 549
本文记录了博主阅读《ShuffleNet V2: Practical guidelines for Efficient CNN Architecture Design》中记录的笔记。更新于2018.12.24。 文章目录文中主要观点文中涉及知识点 文中主要观点 FLOP无法等同于算法的计算量，原因在于：1）没有考虑memory access cost（MAC，内存访问损失）；2）degree o...
[论文笔记]ShuffleNet V2: Practical Guidelines for EfficientCNN Architecture Design
qq_57886603的博客
11-25 2278
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...
ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design（ECCV2018）
qihshe的博客
12-18 192
网络架构设计应该考虑直接指标，如速度，而不是间接指标，如FLOPs
ShuffleNet V2：Practical Guidelines for Efficient CNN Architecture Design
cdknight_happy的专栏
02-11 1250
论文：https://arxiv.org/abs/1807.11164
轻量化网络（七）ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design
shentu7的博客
04-18 706
这篇由旷视提出的ShuffleNet V2主要是直接指标来衡量轻量化网络。过去许多文章都是以FLOPs为指标，FLOPs是一个间接衡量网络的理论指标。在实际中，FLOPs越低并不一定代表网络运行速度越快，比如MobileNet v2 比NASNET-A更快，但是拥有近似的FLOPs。在一些情况下，FLOPs低的网络反而运行速度更慢。因为还涉及到 memory access cost (MAC)以及平台...
【读点论文】ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design，用部署的方式说明问题
白水空空
05-21 851
ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design Abstract 目前，神经网络架构的设计主要是以计算复杂性的间接指标，即FLOPs为指导。然而，直接指标，如速度，也取决于其他因素，如内存访问成本和平台特性。因此，这项工作提出在目标平台上评估直接指标，而不是只考虑FLOPs。 基于一系列的控制性实验，这项工作得出了高效网络设计的几个实用指南。据此，提出了一个新的架构，称为ShuffleNet V2。综
Shufflenet v2: Practical guidelines for efficient cnn architecture design论文学习
calvinpaean的博客
07-03 435
Shufflenet v2: Practical guidelines for efficient cnn architecture designAbstract1. Introduction2. Practical Guidelines for Efficient Network Design Abstract 目前神经网络结构设计都是由计算复杂度这个间接的评价指标来指导，即FLOPsFLOPs...
【图像分类】【深度学习】【轻量级网络】【Pytorch版本】ShuffleNet_V2模型算法详解
最新发布
yangyu0515的博客
12-29 2365
【图像分类】【深度学习】【轻量级网络】【Pytorch版本】ShuffleNet_V2模型算法详解
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

BIT可达鸭

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