简介: 普通卷积、分组卷积和深度分离卷积概念以及参数量计算 Google提出了移动端模型MobileNet,其核心是采用了深度可分离卷积,其不仅可以降低模型计算复杂度,而且可以大大降低模型大小,适合应用在真实的移动端应用场景。这篇文章带你了解一下什么是普通卷积、分组卷积和深度分离卷积,以及如何计算参数量。 上面的图片展示了...
分组卷积则是对输入feature map进行分组,然后每组分别卷积。 假设输入feature map的尺寸仍为C0×H×WC0×H×W,输出feature map的数量为C1C1个,如果设定要分成G个groups,则每组的输入feature map数量为C0GGC0,每组的输出feature map数量为C1GGC1,每个卷积核的尺寸为C0G×K×KGC0×K×K...