ShuffleNet=CNN+组卷积+channel shuffle+模型加速

ShuffleNet

ShuffleNet=CNN+组卷积+channel shuffle+模型加速

ShuffleNet Unit

ShuffleNet和ResNet、ResNeXt相比。在相同的设置下，例如，给定输入的大小为$c\ast h\ast w$，通道数为m，ResNet需要$hw(2cm+9m^2)FLOPs$，而ResNeXt需要$hw(2cm+9m^2/g)FLOPs$,ShuffleNet只需要$hw(2cm/g+9m)FLOPs$。
$g$代表组卷积的组数。

网络结构

实验结果

下表为ImageNet数据集上得到的分类结果。

ResNet

网络图

网络结构

第一层：输入为224*224图像，卷积核数量为64，大小为7*7，步长为2。
卷积后的图像的大小：
width = （224+2*padding-kernel_size）/stride+1=

实验结果

下表为ImageNet数据集上得到的分类结果。

ResNeXt

网络图

左边为Resnet，右边为ResNeXt。

网络结构

实验结果

下表为ImageNet数据集上得到的分类结果。

后面有待更新。