可分离卷积:空间可分离卷积和深度可分离卷积
空间可分离卷积:将一个卷积核分为两部分(降低计算复杂度,但并非所有的卷积核都可以分)
深度可分离卷积的过程:先深度卷积,再点态卷积
(对卷积中的通道数不了解的请参考:关于卷积中的通道数问题)
1. 深度卷积过程:对于一个12*12*3的像素图用一个3通道的5*5*1的卷积核进行卷积。(而不是用一个5*5*3的卷积核进行卷积)
注意:每个5*5*1的卷积核卷积图像的一个通道,得到一个8*8*1的像素图,将这些图像叠加才是一个8*8*3的图。
2. 点态卷积:将多通道的图像转换为单通道图像,因为使用的是1*1大小的卷积核,所以叫点态卷积。
注意:因为最终结果的通道数只与卷积核的个数有关,所以可以用1*1*3的卷积核将深度卷积的结果8*8*3进行点态卷积,得到8*8*1的图像。
如果要得到256通道的8*8*1图像,就用256个1*1*3的卷积核进行卷积
深度可分离卷积有什么用:关于深度可分离卷积可以减少计算量的问题
可分离卷积:空间可分离卷积和深度可分离卷积相关推荐
- 对深度可分离卷积、分组卷积、扩张卷积、转置卷积(反卷积)的理解
参考: https://zhuanlan.zhihu.com/p/28749411 https://zhuanlan.zhihu.com/p/28186857 https://blog.yani.io ...
- 深度可分离卷积(Xception 相关)
卷积神经网络经过不断的改进和优化,卷积早已不是当年的卷积,诞生了分组卷积(Group convolution).空洞卷积(Dilated convolution 或 À trous)等各式各样的卷积. ...
- 可分离卷积及深度可分离卷积详解
可分离卷积 再来看一下nn.Conv2d(): torch.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, padding=0, ...
- [Pytorch]torch.nn.functional.conv2d与深度可分离卷积和标准卷积
torch.nn.functional.conv2d与深度可分离卷积和标准卷积 前言 F.conv2d与nn.Conv2d F.conv2d 标准卷积考虑Batch的影响 深度可分离卷积 深度可分离卷 ...
- YOLOv5改进——使用深度可分离卷积轻量化C3
一.C3模块 在原版YOLOv5网络中,C3模块的结构如图1-1所示,C3结构中的ConvBNSiLU和BottleNeck的结构如图1-2所示: 图1-1 C3结构图 图1-2 BottleNe ...
- 一文读懂 12种卷积方法(含1x1卷积、转置卷积和深度可分离卷积等)
点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达 我们都知道卷积的重要性,但你知道深度学习领域的卷积究竟是什么,又有 ...
- group convolution (分组卷积)的计算量详解、卷积计算量特征图大小,池化特征图大小、深度通道deep-wise 卷积
group convolution (分组卷积)的计算量详解.卷积计算量特征图大小,池化特征图大小.深度通道deep-wise 卷积 提示:最近忙着各种提前批的笔试面试,所以没太多空刷题了都,先复盘一 ...
- Lesson 16.1016.1116.1216.13 卷积层的参数量计算,1x1卷积核分组卷积与深度可分离卷积全连接层 nn.Sequential全局平均池化,NiN网络复现
二 架构对参数量/计算量的影响 在自建架构的时候,除了模型效果之外,我们还需要关注模型整体的计算效率.深度学习模型天生就需要大量数据进行训练,因此每次训练中的参数量和计算量就格外关键,因此在设计卷积网 ...
- 深度可分离卷积(Xception 与 MobileNet)
前言 从卷积神经网络登上历史舞台开始,经过不断的改进和优化,卷积早已不是当年的卷积,诞生了分组卷积(Group convolution).空洞卷积(Dilated convolution 或 À tr ...
最新文章
- Spring整合CXF,发布RSETful 风格WebService
- web网站加速之CDN(Content Delivery Network)技术原理
- 网站的线下活动如何组织
- 什么是 CMS - Content Management System
- 历史上的今天 - 2001年1月15日,维基百科诞生
- vue 常用ui组件
- Mac上的抓包工具Charles
- 创建路径_PS钢笔工具是建立路径的基本工具
- 制图折断线_学不好CAD怎么办?老师傅教你CAD制图规范,新手也能秒懂
- tensorflow 初认识
- Jupyter Notebook中未显示Conda环境
- gbk汉字编码拼音对照表_预习部分:汉字编码方案
- java jdk 9 64位下载地址_jdk9.0官方下载|jdk9 64位下载官方正式版 1.9 - 系统天堂
- STM32驱动W25Q64读写数据
- 反向传播(Backpropagation)算法详解
- Stata:投资组合有效边界
- 自制力差的元凶及习惯的养成过程
- 机器学习——决策树+随机森林
- Vue install 失败的一些解决办法
- linux驱动时间差引发的64位除法问题