← 返回卡片

原书出处

Python深度学习架构实用指南(初译)

05 移动神经网络和 CNN 深度可分离卷积的需求与计算成本

核验版本的摘录快照 · 导入于 2026-11-16T09:48:17.713Z

由于乘法运算而导致主要的计算成本(诸如加法的运算在计算上很简单)。 乘法次数越多,所需的计算就越高。 让我们考虑一个M x M x N图像的情况。 这是 RGB 图像的典型尺寸。 假设我们正在使用K x K x N大小的标准卷积核,并且我们希望尺寸特征映射为G x G x D。 为此,我们必须使用D个过滤器:

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/Python深度学习架构实用指南(初译)/_epub-src/OEBPS/Text/09.html

EPUB SHA-256:9e97657a6ef44a2c5b99c157ca9efc53d39edf31c53d4cd4857b7b54fe9c23aa