论文阅读——《RepVGG: Making VGG-style ConvNets Great Again》
提出了一种简单但功能强大的卷积神经网络结构:ReVGG(没有任何分支,只使用3 × 3 conv和ReLU。)通过结构重新参数化来解耦训练时的多分支和推理时的平面体系结构,从而就能避免在训练时出现梯度消失的问题。在ImageNet上,RepVGG达到80%以上的top-1精度。在NVIDIA 1080Ti GPU上,RepVGG模型的运行速度比ResNet-50快83%,比ResNet-101快101%,并且具有更高的精度,与最先进的模型如EfficientNet和RegNet相比,显示了良好的精度-速度
原创
2022-07-08 10:19:52 ·
505 阅读 ·
0 评论