轻量级神经网络:Xception、ShuffleNet、SkipNet、MobileNet、GhostNet、

参考文章:

优秀的系列文章

https://www.jianshu.com/u/4a95cf020626

【模型压缩和加速】inception/mobilenet/squeezenet/shuffle

https://zhuanlan.zhihu.com/p/104054833

深入剖析MobileNet和它的变种(例如:ShuffleNet)为什么会变快?漂亮的图示

https://blog.csdn.net/flyfor2013/article/details/107273914

自动移动神经网络架构搜索方法(MNAS)

https://blog.csdn.net/h__ang/article/details/93381103

李飞飞组ECCV Oral提出全新渐进式神经结构搜索

https://www.sohu.com/a/244725769_473283

源码下载地址:

MoGA: Searching Beyond MobileNetV3(小米精简网络)

https://github.com/xiaomi-automl/MoGA

pytorch实现mobilenetV3:

https://github.com/leaderj1001/MobileNetV3-Pytorch

https://github.com/kuan-wang/pytorch-mobilenet-v3

pytorch实现GhostNet:

https://github.com/huawei-noah/ghostnet

pytorch实现ShuffleNet_V2:

https://github.com/miaow1988/ShuffleNet_V2_pytorch_caffe

GhostNet:

CVPR 2020:华为GhostNet,超越谷歌MobileNet,已开源

https://zhuanlan.zhihu.com/p/109325275

超越谷歌MobileNet的华为GhostNet

https://www.ctolib.com/topics-143402.html

MobileNet:

轻量级神经网络:MobileNetV1到MobileNetV3

https://blog.csdn.net/weixin_44474718/article/details/91045521

【论文学习】轻量级网络——MobileNetV3终于来了(含开源代码)

https://blog.csdn.net/DL_wly/article/details/90168883

轻量级模型:MobileNet V2

https://blog.csdn.net/kangdi7547/article/details/81431572

轻量级网络--MobileNetV2论文解读

https://blog.csdn.net/u011974639/article/details/79199588

详解MobileNetV2

https://zhuanlan.zhihu.com/p/98874284

ShuffleNet:

精简CNN模型系列之六:ShuffleNet v2

https://www.jianshu.com/p/71e32918ea0a?utm_source=oschina-app

ShuffleNetV2:轻量级CNN网络中的桂冠

https://zhuanlan.zhihu.com/p/48261931

ShufflenetV2_高效网络的4条实用准则

https://zhuanlan.zhihu.com/p/42288448

shufflenet_v2_x1_0代码理解

https://blog.csdn.net/weixin_40970506/article/details/104453422

其他:

精简CNN模型系列之七:Xception

https://www.jianshu.com/p/9a0ba830af37

精简CNN模型系列之三:SkipNet

https://www.jianshu.com/p/72bbd7d1d2de

PeleeNet——一种面向实时应用的精简CNN结构

https://blog.csdn.net/nature553863/article/details/85321210

解读MixNet: Mixed Depthwise Convolutional Kernels

https://blog.csdn.net/daixiangzi/article/details/97558754

 

你可能感兴趣的:(深度学习,linux,python)