卷积神经网络的参数量是个可以优化的点,尤其在网络层数很深的情况下,以及网络结构很复杂的时候,那么怎么减少卷积层的参数数量呢?
减少卷积层参数量的方法可以简要地归为以下几点:
使用堆叠小卷积核代替大卷积核:VGG网络中2个3×3的卷积核可以代替1个5×5的卷积核
使用分离卷积操作:将原本K×K×C的卷积操作分离为K×K×1和1×1×C的两部分操作
添加1×1的卷积操作:与分离卷积类似,但是通道数可变。
在卷积层前使用池化操作:池化可以降低卷积层的输入特征维度
参考 https://blog.csdn.net/accumulate_zhang/article/details/77816566
推荐阅读:
我的2022届互联网校招分享
我的2021总结
浅谈算法岗和开发岗的区别
互联网校招研发薪资汇总
2022届互联网求职现状,金9银10快变成铜9铁10!!
公众号:AI蜗牛车
保持谦逊、保持自律、保持进步
发送【蜗牛】获取一份《手把手AI项目》(AI蜗牛车著)
发送【1222】获取一份不错的leetcode刷题笔记
发送【AI四大名著】获取四本经典AI电子书