248, 3, 3]) BatchNorm2d output shape: torch.Size([1, 248, 3, 3]) ReLU output shape: torch.Size([1, 248, 3, 3]) AdaptiveAvgPool2d output shape: torch.Size([1, 248, 1, 1]) Flatten output shape: torch.Size([1, 248]
在我们的实验中,我们使用图像数据集(SVHN 和 CIFAR10)和几种具有不同深度的 DNN 架构(ResNet、DenseNet、VGG)来评估我们的方法。我们的结果表明,所提出的方法使我们能够降低平均推理计算成本,并进一步控制模型准确性和计算成本之间的权衡。 文章链接:链接
CIFAR10数据集是一个用于识别普适物体的小型数据集,一共包含10个类别的RGB彩色图片,图片尺寸大小为32x32,如图: CIFAR10.png 相较于MNIST数据集,MNIST数据集是28x28的单通道灰度图,而CIFAR10数据集是32x32的RGB三通道彩色图,CIFAR10数据集更接近于真实世界的图片。 1. 数据集构建 每个像素点即每条数据中的值范...