Group Convolution与Depthwise Convolution

转自:Group Convolution分组卷积,以及Depthwise Convolution和Global Depthwise Convolution - 云+社区 - 腾讯云

写在前面

Group Convolution分组卷积,最早见于AlexNet——2012年Imagenet的冠军方法,Group Convolution被用来切分网络,使其在2个GPU上并行运行,AlexNet网络结构如下:

 

Convolution VS Group Convolution

 

 

 

 

以上。

参考

 

  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Group convolution(分组卷积)是一种卷积运算的方法,它可以将输入的特征图分成多个组,并对每个组进行独立的卷积计算。在每个组内部,使用常规的卷积运算(也称为Depthwise Convolution)对特征图进行处理,然后再使用Pointwise Convolution对各个组的输出进行整合得到最终的特征图。这种分组的方式可以减少卷积运算的参数量,并且可以在参数量相同的情况下构建更深的神经网络。相比于传统的常规卷积,group convolution可以有效地减少参数数量,提高模型的效率和性能。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [【 group convolution (分组卷积)详解】](https://blog.csdn.net/weixin_49117441/article/details/122648894)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [dgconv.pytorch:动态分组卷积和可分组的ConvNet的PyTorch实施与预训练的G-ResNeXt模型](https://download.csdn.net/download/weixin_42133861/17819550)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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