本文讨论了一种新型神经网络结构，其在block效果上优于ResNet，且保持计算量不变。通过将卷积分为g组，参数数量显著减少，同时解析了多通道输入与卷积核的关系。
相比于ResNet，更新了block
效果：错误率低于ResNet，并且计算量一样。
对比卷积和组卷积，参数个数会变成1/g倍，g是分成了g组
最终输出的channel与卷积核的个数相同。
（好像是。。。好像之前听过这个，这个图也是这样的）
搞明白了多个卷积核与多通道输入的关系了！！！（理论上应该是输入是几channel，卷积核就是几个，卷积核几个，输出几channel）
霹雳学习笔记——6.1.2 ResNeXt
相比于ResNet，更新了block
效果：错误率低于ResNet，并且计算量一样。
对比卷积和组卷积，参数个数会变成1/g倍，g是分成了g组
最终输出的channel与卷积核的个数相同。
（好像是。。。好像之前听过这个，这个图也是这样的）
搞明白了多个卷积核与多通道输入的关系了！！！（理论上应该是输入是几channel，卷积核就是几个，卷积核几个，输出几channel）
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
扫一扫
