导读:1.神经网络瘦身:SqueezeNet 2.SqueezeNet 3.深度学习方法(七):最新SqueezeNet 模型详解,CNN模型参数降低50倍,压缩461倍!
其中 导读1中的 “3×3两层卷积的计算量是9×C×(1+C')×N×N” 可拆解为3*3*C*N*N + 3*3*C*C'*N*N,更易理解
每一个fire层可分为squeeze层和expand层的组合,squeeze层为1*1卷积,expand层为1*1卷积和3*3卷积
导读:1.神经网络瘦身:SqueezeNet 2.SqueezeNet 3.深度学习方法(七):最新SqueezeNet 模型详解,CNN模型参数降低50倍,压缩461倍!
其中 导读1中的 “3×3两层卷积的计算量是9×C×(1+C')×N×N” 可拆解为3*3*C*N*N + 3*3*C*C'*N*N,更易理解
每一个fire层可分为squeeze层和expand层的组合,squeeze层为1*1卷积,expand层为1*1卷积和3*3卷积