下面是两种不同的深度可分离卷积的实现方式，自己在训练关键点模型，采用MobileNet 添加深度可分离卷积，发现有两种不同的可分离卷积的实现，名字不相同，但是内部都是深度可分离。DepthwiseConvolution和ConvolutionDepthwise两种都训练过，结果相差不大，都可以通过NCNN转换在移动端嵌入式设备上运行。

一、DepthwiseConvolution

github地址：https://github.com/yonghenglh6/DepthwiseConvolution

二、ConvolutionDepthwise

github地址：https://github.com/farmingyard/caffe-mobilenet

三、配置流程

如下是配置流程：下载并添加现有的cpp和hpp到src和include目录并重新编译。

https://blog.csdn.net/qq_38451119/article/details/82663649

深度学习自学（十九）：caffe添加深度可分离卷积相关推荐

花书+吴恩达深度学习（十九）构建模型策略（训练模型顺序、偏差方差、数据集划分、数据不匹配）
目录 0. 前言 1. 调试模型顺序 2. 偏差方差的解决方法 3. 数据集的选取划分 4. 数据不匹配问题 5. 评估指标的选取 6. 贝叶斯最佳误差如果这篇文章对你有一点小小的帮助,请给个关注, ...
推荐系统遇上深度学习(三十九)-推荐系统中召回策略演进！
推荐系统中的核心是从海量的商品库挑选合适商品最终展示给用户.由于商品库数量巨大,因此常见的推荐系统一般分为两个阶段,即召回阶段和排序阶段.召回阶段主要是从全量的商品库中得到用户可能感兴趣的一小部分候选 ...
系统学习深度学习（十九）--GoogLeNetV1,V2,V3
转自:http://blog.csdn.net/shuzfan/article/details/50738394 参考:http://www.jianshu.com/p/33197e469414 同时 ...
深度学习（十九）——FCN, SegNet, DeconvNet, DeepLab, ENet, GCN
前DL时代的语义分割(续) Grab cut Grab cut是微软剑桥研究院于2004年提出的著名交互式图像语义分割方法.与N-cut一样,grab cut同样也是基于图划分,不过grab cut是 ...
深度学习自学（九）：Alexnet解读
AlexNet学习小结结构如上图所示,共包含了8个学习层--5个卷积层与3个全连接层,相比于之前的LeNet-5网络,AlexNet有以下几个创新的结构: Rectified Linear Unit ...
深度学习（十九）基于空间金字塔池化的卷积神经网络物体检测-ECCV 2014
基于空间金字塔池化的卷积神经网络物体检测原文地址:http://blog.csdn.net/hjimce/article/details/50187655 作者:hjimce 一.相关理论本篇博文 ...
深度学习（十九）基于空间金字塔池化的卷积神经网络物体检测
基于空间金字塔池化的卷积神经网络物体检测原文地址:http://blog.csdn.net/hjimce/article/details/50187655 作者:hjimce 一.相关理论本篇博文 ...
花书+吴恩达深度学习（十八）迁移学习和多任务学习
目录 0. 前言 1. 迁移学习 2. 多任务学习如果这篇文章对你有一点小小的帮助,请给个关注,点个赞喔~我会非常开心的~ 花书+吴恩达深度学习(十八)迁移学习和多任务学习花书+吴恩达深度学习(十 ...
深度学习_21天实战Caffe.pdf
深度学习_21天实战Caffe.pdf 原深度学习21天实战caffe学习笔记<1:深度学习的过往> 1. 深度学习DL: 1.1.有监督学习.无监督学习.过拟合.训练样本.泛化.训练集 ...
深度学习框架比较（Caffe, TensorFlow, MXNet, Torch, Theano）
在这里,我将会介绍当前比较主流的5种深度学习框架,包括 Caffe, TensorFlow, MXNet, Torch, Theano,并对这些框架进行分析. 首先对这些框架进行总览. 库名称开发语 ...

深度学习自学（十九）：caffe添加深度可分离卷积

一、DepthwiseConvolution

二、ConvolutionDepthwise

三、配置流程

深度学习自学（十九）：caffe添加深度可分离卷积相关推荐

最新文章

热门文章