【笔记】MobileNet_v1:VGG中的 标准卷积层 换成深度可分离卷积

我认为这里面给的例子中的mul-add计算的不对,计算量应该与输出的特征图尺寸有关,而不是输出的特征图尺寸。

【笔记】MobileNet_v1:VGG中的 标准卷积层 换成深度可分离卷积_第1张图片

【笔记】MobileNet_v1:VGG中的 标准卷积层 换成深度可分离卷积_第2张图片【笔记】MobileNet_v1:VGG中的 标准卷积层 换成深度可分离卷积_第3张图片【笔记】MobileNet_v1:VGG中的 标准卷积层 换成深度可分离卷积_第4张图片

【笔记】MobileNet_v1:VGG中的 标准卷积层 换成深度可分离卷积_第5张图片 【笔记】MobileNet_v1:VGG中的 标准卷积层 换成深度可分离卷积_第6张图片【笔记】MobileNet_v1:VGG中的 标准卷积层 换成深度可分离卷积_第7张图片

【笔记】MobileNet_v1:VGG中的 标准卷积层 换成深度可分离卷积_第8张图片

 【笔记】MobileNet_v1:VGG中的 标准卷积层 换成深度可分离卷积_第9张图片

【笔记】MobileNet_v1:VGG中的 标准卷积层 换成深度可分离卷积_第10张图片 【笔记】MobileNet_v1:VGG中的 标准卷积层 换成深度可分离卷积_第11张图片【笔记】MobileNet_v1:VGG中的 标准卷积层 换成深度可分离卷积_第12张图片

【笔记】MobileNet_v1:VGG中的 标准卷积层 换成深度可分离卷积_第13张图片 【笔记】MobileNet_v1:VGG中的 标准卷积层 换成深度可分离卷积_第14张图片

 【笔记】MobileNet_v1:VGG中的 标准卷积层 换成深度可分离卷积_第15张图片

【笔记】MobileNet_v1:VGG中的 标准卷积层 换成深度可分离卷积_第16张图片 代码:
gluon-cv/mobilenet.py at 5f5ce87d9a1df1623e15d39d1d2dc65317337652 · dmlc/gluon-cv · GitHub

你可能感兴趣的:(深度学习&机器学习,机器学习)