2. Lightweight
Quick search
code
Show Source
PDF Github
Dive into cheap deep learning
Table Of Contents
  • Getting Started
  • 1. Introduction
    • 1.1. time
    • 1.2. 技术
    • 1.3. 隐私
    • 1.4. money
    • 1.5. Data
  • 2. Lightweight
    • 2.1. Lightweight
    • 2.2. SqueezeNet
    • 2.3. MobileNet
    • 2.4. MobileNet-v2
    • 2.5. ShuffleNet
    • 2.6. GhostNet
  • 3. Compression
    • 3.1. 模型压缩
    • 3.2. 参数剪枝(Pruning)
    • 3.3. Knowledge-Distillation
    • 3.4. 量化
  • 4. Write code
    • 4.1. Jupyter
    • 4.2. API
  • 5. Train
    • 5.1. Server
    • 5.2. Active Learning
    • 5.3. Pretrain
    • 5.4. 改进
    • 5.5. 结构
  • 6. Deployment
    • 6.1. 芯片
    • 6.2. Edge
    • 6.3. mobile
    • 6.4. MCU
    • 6.5. AI 中台
Dive into cheap deep learning
Table Of Contents
  • Getting Started
  • 1. Introduction
    • 1.1. time
    • 1.2. 技术
    • 1.3. 隐私
    • 1.4. money
    • 1.5. Data
  • 2. Lightweight
    • 2.1. Lightweight
    • 2.2. SqueezeNet
    • 2.3. MobileNet
    • 2.4. MobileNet-v2
    • 2.5. ShuffleNet
    • 2.6. GhostNet
  • 3. Compression
    • 3.1. 模型压缩
    • 3.2. 参数剪枝(Pruning)
    • 3.3. Knowledge-Distillation
    • 3.4. 量化
  • 4. Write code
    • 4.1. Jupyter
    • 4.2. API
  • 5. Train
    • 5.1. Server
    • 5.2. Active Learning
    • 5.3. Pretrain
    • 5.4. 改进
    • 5.5. 结构
  • 6. Deployment
    • 6.1. 芯片
    • 6.2. Edge
    • 6.3. mobile
    • 6.4. MCU
    • 6.5. AI 中台

2. Lightweight¶

  • 2.1. Lightweight
    • 2.1.1. 怎样才算？
    • 2.1.2. 方法
  • 2.2. SqueezeNet
    • 2.2.1. 动机
    • 2.2.2. Background
    • 2.2.3. 微观结构
    • 2.2.4. 宏观结构
    • 2.2.5. 核心思路
  • 2.3. MobileNet
    • 2.3.1. ResNet
    • 2.3.2. Activation
    • 2.3.3. 轻量化网络的客观需求
    • 2.3.4. 本文方法
    • 2.3.5. 结构
    • 2.3.6. 深度可分离卷积
    • 2.3.7. MoblieNets瘦身[10]
  • 2.4. MobileNet-v2
  • 2.5. ShuffleNet
    • 2.5.1. 动机
    • 2.5.2. 方法
    • 2.5.3. 分组点卷积Group convolutions`
    • 2.5.4. 通道重排(channel shuffle)
    • 2.5.5. 采用concat替换add操作
    • 2.5.6. FLOPS
    • 2.5.7. ShuffleNet-V28
    • 2.5.8. Comparison with MobileNetV16
    • 2.5.9. ShuffleNet-v2具有高精度的原因
  • 2.6. GhostNet
Previous
1.5. Data
Next
2.1. Lightweight