深度学习(轻量级网络)---MobileNet,SqueezeNet,ShuffleNet

随着越来越复杂的深度架构的提出,一些网络可能就流行几年就走下神坛,但是其背后的设计哲学却是值得学习的。可以看到,网络的深度越来越大,以保证得到更好的准确度。网络结构倾向采用较少的卷积核,如1x1和3x3卷积核,这说明CNN设计要考虑计算效率了。一个明显的趋势是采用模块结构,这在GoogLeNet和ResNet中可以看到,这是一种很好的设计典范,采用模块化结构可以减少我们网络的设计空间,另外一个点是模块里面使用瓶颈层可以降低计算量,这也是一个优势。这篇文章没有提到的是最近的一些移动端的轻量级CNN模型,如MobileNet,SqueezeNet,ShuffleNet等,这些网络大小非常小,而且计算很高效,可以满足移动端需求,是在准确度和速度之间做了平衡。

        本文将把目前流行的应用于移动端的轻量级深度网络详细介绍。

你可能感兴趣的:(机器&深度学习)