轻量化模型之Mobilenet学习
2021-01-24 07:14
阅读：801
标签：mobile 实践 math mob inpu xmx class 设置 模型 *（input feature: FxFxC, kernel size: KxKxCxM, padding=same）* 标准卷积的算力消耗：KxKxFxFxCxM； 深度可分离卷积算力消耗：(KxKxFxFxCx1) + (FxFxCxMx1x1) = (FxFxCxKxK) + (FxFxMxC) 消耗比： 轻量化模型之Mobilenet学习 标签：mobile 实践 math mob inpu xmx class 设置 模型 原文地址：https://www.cnblogs.com/sariel-sakura/p/13255037.html1.推导：MobileNets中的深度游可分离卷积与标准卷积的算力消耗之比？
\[\frac{{(F \times F \times C \times K \times K) + (M \times K \times K \times C)}}{{F \times F \times K \times K \times C \times M}} = \frac{1}{M} + \frac{1}{{{F^2}}}
\]
2.代码实践：利用pytorch复现MobileNet 28层网络结构，模型参数设置同论文一致。
评论
亲，登录后才可以留言！