知识卡片
移动神经网络的动机
移动神经网络是一类超小型、计算量很低的深度学习网络,目标是在内存与处理能力都有限的移动设备上运行 CNN,同时保持与原始模型相当的表现。它的必要性来自推理成本:一次推理要执行数百万次乘法运算,标准 CNN 动辄数百万参数与权重,难以打包进手机、监控摄像头等便携设备。移动网络本质上是经过改造、参数更少的 CNN,内存占用随之下降,从而支撑实时应用。本章聚焦 Google 提出的两个基准架构——MobileNet 与 MobileNetV2,前者用深度可分离卷积压缩参数,后者进一步用线性瓶颈与残差结构改写块设计,详见[[MobileNet 演进之路]]与[[深度可分离卷积]]。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 移动神经网络和 CNN 引言与移动神经网络的动机 · 查看原书依据
深度学习网络所需的计算成本一直是扩展的关注点。 进行推理需要数百万个乘法运算。 这限制了已开发的卷积神经网络(CNN)模型的实际使用。 移动神经网络为这一问题提供了突破。
参考来源
- 位置:《Python深度学习架构实用指南(初译)》第05章《移动神经网络和 CNN》(源文件:`../../book-sources/extracted/Python深度学习架构实用指南(初译)/_epub-src/OEBPS/Text/09.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:原文指出推理需数百万次乘法、标准 CNN 难以在便携设备上运行,并把移动网络定义为参数更少、内存更省且表现相当的 CNN,支撑了移动网络是实时应用关键的结论。
- 原始内容:深度学习网络所需的计算成本一直是扩展的关注点。 进行推理需要数百万个乘法运算。 这限制了已开发的卷积神经网络(CNN)模型的实际使用。 移动神经网络为这一问题提供了突破。