1. groups 改变的是每个filter中通道数;
使用groups前后,并不改变卷积核的个数,
改变的是每个卷积核中通道数;
即普通的卷积核中, 每个卷积核中通道数 = 输入特征的通道数;
使用groups, 每个卷积核中通道数变成 = 输入的通道数/ groups;
卷积核的个数保持原来不变。
所以, groups,是对输入的通道数进行分组。
输入的通道数被分成grops 组, 每组中的通道数便是 input_channel / groups, 此时,卷积核中的通道数也从原始的输入通道数 减少为 每组中的通道数
1.1 举个例子
假设输入的特征的通道数目是8,
import torch.nn as nn
conv1 = nn.Conv2d(in_channels=8, out_channels=6, kernel_size=1, groups=1)
conv1.weight

groups参数在卷积层中用于分组输入通道,每个卷积核只作用于一部分通道,减少了参数量但可能限制通道间的信息交互。当groups等于输入通道数时,形成depthwise卷积。该机制不影响输出特征图的通道数,但影响模型复杂度和特征学习。
最低0.47元/天 解锁文章
3360

被折叠的 条评论
为什么被折叠?



