【秋招復習——深度學習】MobileNet

原先模型小型化工作的焦點，放在模型尺度上。 卷積核分解，使用1×N 和N×1的卷積核代替N×N的卷積核 使用bottleneck 結構，以SqueezeNet爲代表 以低精度浮點數保存 冗餘卷積核剪枝以及哈夫曼編碼 depthwiseseparable convolutions的本質是冗餘信息更少的稀疏化表達。在此基礎上給出了高效模型設計的兩個選擇：寬度因子（width multiplier）和分

>>阅读原文<<