【秋招复习——深度学习】MobileNet

原先模型小型化工作的焦点，放在模型尺度上。 卷积核分解，使用1×N 和N×1的卷积核代替N×N的卷积核 使用bottleneck 结构，以SqueezeNet为代表 以低精度浮点数保存 冗余卷积核剪枝以及哈夫曼编码 depthwiseseparable convolutions的本质是冗余信息更少的稀疏化表达。在此基础上给出了高效模型设计的两个选择：宽度因子（width multiplier）和分

>>阅读原文<<