目录
原文链接
以下是个人笔记,提取重点
一、 理论知识
VGG的提升版本
train和predict网络构造不同:
图B表示RepVGG训练时的网络结构,预测采用图C的网络结构
图(B)转换到图(C):结构重参数化
1. Block
RepVGG整个模型就是在不断堆叠RepVGG Block
图a对应stride==2时的结构; 图b对应stride==1时的结构
2. 结构重参数化
就是train结构——>predict网络结构的过程:
也就是网络块的合并
1. 为什么推理时作者要将多分支模型转换成单路模型?
更快,更省内存,更灵活
2. 具体如何做?
且看下面此图:主要有以下四个部分
-
融合Conv2d和BN------变为1个3x3卷积
-
将1x1卷积转换成 1个3x3卷积
-
将BN转换成 1个3x3卷积
-
多分支融合---------------------3个3x3卷积变为1个3x3卷积
(忘了就去看看视频,其实就是数学的变化,提同类项)