MobileNet v1

最新推荐文章于 2025-10-17 18:50:57 发布

转载最新推荐文章于 2025-10-17 18:50:57 发布 · 453 阅读

深度学习专栏收录该内容

21 篇文章

订阅专栏

本文深入探讨了MobileNetV1的深度可分离卷积技术，包括深度卷积和逐点卷积，及其如何显著降低计算成本。同时介绍了网络结构、宽度和分辨率缩放因子，并提供了非官方PyTorch实现代码。

部署运行你感兴趣的模型镜像

https://www.cnblogs.com/darkknightzh/p/9410540.html

    <div id="post_detail">
<div class="post">
	<h2>
		<a id="cb_post_title_url" href="https://www.cnblogs.com/darkknightzh/p/9410540.html">（原）MobileNetV1</a>
	</h2>
	<div class="postbody">
	<div id="cnblogs_post_body" class="blogpost-body"><a name="_labelTop"></a><div id="navCategory"><p style="font-size:16px"><b><span style="color: #d2681e;">~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~</span></b></p><p style="font-size:24px"><b><strong><span style="color: #d2681e;">本文目录</span></strong></b></p><ul class="first_class_ul"><li><a href="#_label0">1. 深度可分离卷积</a></li><li><a href="#_label1">2. 网络结构</a></li><li><a href="#_label2">3. 宽度缩放因子（width multiplier）</a></li><li><a href="#_label3">4. 分辨率缩放因子（resolution multiplier）</a></li><li><a href="#_label4">5. pytorch代码</a></li></ul></div><p style="font-size:16px"><b><span style="color: #d2681e;">~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~</span></b></p><p>转载请注明出处：</p>

https://www.cnblogs.com/darkknightzh/p/9410540.html

论文：

MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications

网址：

https://arxiv.org/abs/1704.04861?context=cs

非官方的pytorch代码：

https://github.com/marvis/pytorch-mobilenet

回到顶部(go to top)

1. 深度可分离卷积

mobilenetV1使用的是深度可分离卷积（Depthwise Separable Convolution，DSC），DSC包含两部分：depthwise convolution（DWC）+ pointwise convolution（PWC）。DWC对输入的通道进行滤波，其不增加通道的数量，PWC用于将PWC不同的通道进行连接，其可以增加通道的数量。通过这种分解的方式，可以明显的减少计算量。

如下图所示，传统的卷积（a），卷积核参数为DK⋅DK⋅M⋅N

« 上一篇：（原）Show, Attend and Translate: Unsupervised Image Translation with Self-Regularization and Attention
» 下一篇：（原）MobileNetV2

	</div>
	<p class="postfoot">
		posted on <span id="post-date">2018-08-02 22:12</span> <a href="https://www.cnblogs.com/darkknightzh/">darkknightzh</a> 阅读(<span id="post_view_count">2750</span>) 评论(<span id="post_comment_count">0</span>)  <a href="https://i.cnblogs.com/EditPosts.aspx?postid=9410540" rel="nofollow">编辑</a> <a href="#" onclick="AddToWz(9410540);return false;">收藏</a>
	</p>
</div>
<script type="text/javascript">var allowComments=true,cb_blogId=201467,cb_entryId=9410540,cb_blogApp=currentBlogApp,cb_blogUserGuid='2ff23002-a055-e411-b908-9dcfd8948a71',cb_entryCreatedDate='2018/8/2 22:12:00';loadViewCount(cb_entryId);var cb_postType=1;var isMarkdown=false;</script>

</div><a name="!comments"></a><div id="blog-comments-placeholder"></div><script type="text/javascript">var commentManager = new blogCommentManager();commentManager.renderComments(0);</script>

刷新评论刷新页面返回顶部

注册用户登录后才能发表评论，请登录或注册，访问网站首页。