ShuffleNet V1,ShuffleNet V2

概述

提出主要是group convolution和DW convolution.

GConv虽然能够减少参数与计算量，但GConv中不同组之间信息没有交流。

把Group分为三份，把每一份的第一份放在一起......这样得到Shufflenetv1卷积，这样就能融合不同group之间的应该权重信息了。

核心内容

在第二stage，由于输入通道的数量相对较少，我们没有在第一层点阵层（1*1卷积层）上进行分组卷积。

论文上一般是使用的都是g=3，首先通过应该3*3的卷积层，步距为2，重复次数为1，输出特征矩阵（卷积1）卷积核为24，然后经过最大池化3*3,步距为2，接着就是Stage2,Stage3,Stage4,（对于每个Stage就是将shuffle net当中的每个block进行一个堆叠，第一个block它的步距都为2图c）下一stage的输出通道则增加一倍。

优势

shuffle net v2

概述

作者提出：

4条设计高效网络准则

Several practical guidelines for efficient network architecture design

G1: Equal channel width minimizes memory access cost (MAC)

G2: Excessive group convolution increases MAC

G3: Network fragmentation reduces degree of parallelism

G4: Element-wise operations are non-negligible

上述翻译：

高效网络架构设计的若干实用指南

block：

FLOPS和FLOPs