• 高效网络小结


    一、高效网络简介

      图片来自https://zhuanlan.zhihu.com/p/53175018,高效网络的高效,直接的衡量目标是速度。

    二、高效网络一览

      CNN设计一般都是通过堆block的形式,下面只讨论每个模型的block

           1、Mobilenet

                首次使用了分离卷积(dw+pw,加速的核心操作,有人认为dw和pw之间不应该加relu)

        

      2、MobilenetV2

       Inverted Residuals 逆残差:将两头大中间小的结构,变为两头小中间大1的结构,增大分离卷积所占的比例

       Linear Bottlenecks 线性瓶颈:去掉了第二个1*1的relu

       

       3、Shufflenet

       大量使用1*1的group conv,并通过shuffle来促进通道间的流通。

       实现细节:在每个block,先通过1*1 group conv将维度降为输出的1/4。

       

       4、ShufflenetV2

         提出了设计高效网络的四个原则:相同通道宽度可以最小化内存访问成本组卷积谨慎使用;网络内部碎片操作会降低并行度Element-wise操作不容忽视。

        实现细节:对于(c),操作内通道数量始终不变;不再使用组卷积;对于(d),两个通道分别将维度降为1/2,便于后面的concat;最后进行shuffle。

        

     三、其他

       1、为了快速降低特征大小,往往使用conv/s2的操作,避免使用pooling;

       2、大kernel size filter,复杂网络里,一般使用多个3*3来代替5*5、7*7等(计算量小、网络更深、非线性更优),而在小网络中,可在网络前端,使用大卷积核

    快速将特征图大小降下来;

      3、微软推出了mnast等自动设计的网络

    参考:https://zhuanlan.zhihu.com/p/53175018

  • 相关阅读:
    第四章、数值计算
    一、bif
    十三、LaTex中的参考文献BibTex
    图像分类数据组织方式
    深度学习中loss总结
    类别不平衡问题
    各种优化器的比较
    机器学习优化器总结
    空洞卷积
    深度学习之语义分割中的度量标准
  • 原文地址:https://www.cnblogs.com/573177885qq/p/10307918.html
Copyright © 2020-2023  润新知