適合移動端的輕量級網路

weixin_34236497發表於2018-10-24

MobileNet

【MobileNet v1】https://arxiv.org/pdf/1704.04861.pdf
【MobileNet v2】https://arxiv.org/pdf/1801.04381.pdf
深度解讀谷歌MobileNet
深度可分離卷積（depthwise separable convolution）引數計算

關鍵在於1x1卷積減少了引數量和計算量
輕量化網路：MobileNet-V2

我的模型有多快？——深度學習網路模型的運算複雜度、空間佔用和記憶體訪問情況計算

MobileNet 結構簡單微調的一點效能提升

ShuffleNet

ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices https://arxiv.org/pdf/1707.01083.pdf

ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design https://arxiv.org/pdf/1807.11164.pdf

曠視科技提出新型輕量架構ShuffleNet V2
tensorflow 實現：https://github.com/TropComplique/shufflenet-v2-tensorflow
ShuffleNetV2：輕量級CNN網路中的桂冠
輕量級網路--ShuffleNet論文解讀

keras 實現：https://github.com/xiaohu2015/DeepLearning_tutorials/pulse

https://github.com/Randl/ShuffleNetV2-pytorch
https://github.com/miaow1988/ShuffleNet_V2_pytorch_caffe
https://github.com/ericsun99/Shufflenet-v2-Pytorch
https://github.com/timctho/shufflenet-v2-tensorflow

SqueezeNet:

https://blog.csdn.net/williamyi96/article/details/77604356
【論文】https://arxiv.org/pdf/1602.07360.pdf

NasNet:

https://blog.csdn.net/xjz18298268521/article/details/79079008
【論文】https://arxiv.org/pdf/1707.07012.pdf

MNasNet:

【薦】學界 | MnasNet論文解讀：終端輕量化模型新思路
【論文】https://arxiv.org/pdf/1807.11626.pdf
https://blog.csdn.net/lsy17096535/article/details/82878963

相關文章