2022-02-.简介
谷歌在2017年CVPR的论文“: deep with”中提出。
2.结构介绍
按通道对输入图像进行卷积,做1*1卷积。结构如下:
例如假设输入通道数为64,输出通道数为64.
方法的参数个数为3*3*64*64;而参数个数为3*3*64+1*1*64*64。
3*3*64:分别对输入的64个通道进行卷积
1*1*64*64:对接下来的64个通道进行1*1卷积()
结论:参数数量减少了32192个。
3.适用性
假设输入图像的空间位置与通道之间的关系相比高度相关。
源自深度可分离卷积
tf.nn.depthwise_conv2d(input,filter,strides,padding,rate=None,name=None,data_format=None)
去掉name参数指定操作的名称、指定数据格式、方法一共有五个参数:
结果返回一,形状为[batch, , , * ],注意这里的输出通道变成*
tf.nn.
可以看成是 tf.nn的扩展。
去掉name参数指定操作的名称,指定数据格式,和方法相关的一共六个参数:
p>
输出形状为 [batch, , , ]
类别:
技术要点:
相关文章:
© 版权声明
本站下载的源码均来自公开网络收集转发二次开发而来,
若侵犯了您的合法权益,请来信通知我们1413333033@qq.com,
我们会及时删除,给您带来的不便,我们深表歉意。
下载用户仅供学习交流,若使用商业用途,请购买正版授权,否则产生的一切后果将由下载用户自行承担,访问及下载者下载默认同意本站声明的免责申明,请合理使用切勿商用。
THE END
暂无评论内容