MobileNet(v1/2)、ShuffleNet等の高速なモデルの構成要素と何故高速なのかの解説 - Qiita

はじめに MobileNet系の高速なモデルアーキテクチャに利用される構成要素と、それらを利用したモデルについて、何故高速なのか観点と、空間方向の畳み込みとチャネル方向の畳み込みがどのようになされているかという観点で整理を行う。 高速なモデルアーキテクチャに利用される構成要素 まず、高速なモデルに利用される畳み込み構成要素について、計算量と、空間方向の畳み込みとチャネル方向の畳み込みがどのようになっているかを説明する。 まず、一般的な畳み込みの計算量を確認する。 入力特徴マップのサイズを$H \times W$、入力チャネル数を$N$、カーネルサイズを$K \times K$、出力チャネル数を$M$とすると、一般的な畳み込み層の計算量は、$H W N K^2 M$となる。 これは、入力特徴マップの1箇所につき畳み込みのコストが$K^2 N$で、これを入力特徴マップの$H W$箇所に適用する

[yu4u]

MobileNetの亜種について、高速化のポイントの解説と、空間方向/チャネル方向の畳み込みがどうFactorizeされているかを可視化してみました

[makaya2]

]

[macj_jp]

空間方向とチャネル方向の計算量の可視化。わかりやすい

[Nyoho]

これはいい図だなあ

[natsutan]

見逃していた。将来的にはAutoMLで上手くやって欲しい。

[stealthinu]

Convの仕方で計算量を減らせる＝高速化の手法についてとてもわかり易くまとまってる。Convを空間方向とチャンネル方向でわけて可視化されてるのでひと目で理解できる。

[karaage]

ふむ