cqu_math_szu_ai的博客

首先，就目前而言，shufflenetv2的效果是最好的 ############2019年10月29日，补充：计算量越低并非完全和计算速度成正比例，还需要考虑内存访问量############## 这个四个网络都是对depthwiseconv网络的运用，深度可分离卷积相对于传统卷积的优点在于其计算量由巨大幅度的降低。 但是现今的深度学习框架对于深度可分离卷积的支持还是有好有坏的，有些框架，...

摘要 深度神经网络是很难去训练的，我们提出一种残差学习网络，这种网络相对与以前的一些网络更深一些，但是更加易于训练，通过神经网络层的输入，我们明确的将神经网络层重构为讯息残差函数，而不是去学习未被引用的函数。我们可以提供全面的经验证据表明这些残差网络更加容易优化，并且可以其深度增加的时候，准确性会明显上升。在ImageNet数据集上面，我们对残差网络进行了测评，我们所使用的网络为152层，是VG...