35.1 Depthwise separable convolution
- Depthwise separable convolution是由depthwise conv和pointwise conv构成
- depthwise conv(DW)有效减少参数数量并提升运算速度
- 但是由于每个feature map只被一个卷积核卷积，因此经过DW输出的feature map不能只包含输入特征图的全部信息，而且特征之间的信息不能进行交流，导致“信息流通不畅”。
- pointwise conv(PW)实现通道特征信息交流，解决DW卷积导致“信息流通不畅”的问题。
- 假设输入特征的的维度为H * W * c1；卷积核的维度为h1 * w1 * c1，共c2个；输出特征的维度为 H1 * W1 * c2。
-
传统卷积计算方式如下：
-
传统卷积运算量为：
-
DW卷积的计算方式如下：
-
PW卷积的计算方式如下：
-
Depthwise separable convolution运算量为：
-
Depthwise separable convolution相对于传统卷积的运算量：
- 由此可知，随着卷积通道数的增加，Depthwise separable convolution的运算量相对于传统卷积更少
大数据视频推荐：
网易云课堂
CSDN
人工智能算法竞赛实战
AIops智能运维机器学习算法实战
ELK7 stack开发运维实战
PySpark机器学习从入门到精通
AIOps智能运维实战
腾讯课堂
大数据语音推荐：
ELK7 stack开发运维
企业级大数据技术应用
大数据机器学习案例之推荐系统
自然语言处理
大数据基础
人工智能：深度学习入门到精通
