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

文章目录

  • ShuffleNet
    • ShuffleNet Unit
    • 网络结构
    • 实验结果
  • ResNet
    • 网络图
    • 网络结构
    • 实验结果
  • ResNeXt
    • 网络图
    • 网络结构
    • 实验结果

ShuffleNet

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

ShuffleNet Unit

ShuffleNet=CNN+组卷积+channel shuffle+模型加速_第1张图片
ShuffleNet和ResNet、ResNeXt相比。在相同的设置下,例如,给定输入的大小为 c ∗ h ∗ w c*h*w chw,通道数为m,ResNet需要 h w ( 2 c m + 9 m 2 ) F L O P s hw(2cm+9m^2)FLOPs hw(2cm+9m2)FLOPs,而ResNeXt需要 h w ( 2 c m + 9 m 2 / g ) F L O P s hw(2cm+9m^2/g)FLOPs hw(2cm+9m2/g)FLOPs,ShuffleNet只需要 h w ( 2 c m / g + 9 m ) F L O P s hw(2cm/g+9m)FLOPs hw(2cm/g+9m)FLOPs
g g g代表组卷积的组数。

网络结构

ShuffleNet=CNN+组卷积+channel shuffle+模型加速_第2张图片

实验结果

下表为ImageNet数据集上得到的分类结果。
ShuffleNet=CNN+组卷积+channel shuffle+模型加速_第3张图片

ResNet

网络图

ShuffleNet=CNN+组卷积+channel shuffle+模型加速_第4张图片

网络结构

ShuffleNet=CNN+组卷积+channel shuffle+模型加速_第5张图片

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。
ShuffleNet=CNN+组卷积+channel shuffle+模型加速_第6张图片

ResNeXt

网络图

ShuffleNet=CNN+组卷积+channel shuffle+模型加速_第7张图片
左边为Resnet,右边为ResNeXt。

网络结构

ShuffleNet=CNN+组卷积+channel shuffle+模型加速_第8张图片

实验结果

下表为ImageNet数据集上得到的分类结果。
ShuffleNet=CNN+组卷积+channel shuffle+模型加速_第9张图片
后面有待更新。

你可能感兴趣的:(神经网络)