可分离卷积与普通卷积相比，优势在哪？
我不是很明白，能有人描述这个问题吗？
（为什莫非要打30个字，高明不明白，）
可分离卷积与普通卷积相比，优势在哪？
- 写回答
- 好问题 0 提建议
- 追加酬金
- 关注问题
分享- 邀请回答
-
1条回答 默认 最新
影醉阏轩窗 2021-07-13 09:35关注- 具体数学公式请移步源论文
- 个人认为，将卷积分离为两步，深度和宽度，将计算量大幅度降低，设计小模型特别方便。最大优势就是为小模型提供了一个Small—Convolution.
解决 无用评论 打赏举报 分享
- 2022-08-14 18:07回答 3 已采纳 3x3卷积比5x5尺寸更小，两个3x3卷积的感受野等于5x5卷积，并且参数量少了百分之20多，还多了一层的非线性优化。觉得解决问题了，给个采纳呗。
- 2023-02-27 12:10回答 3 已采纳 该回答引用GPTᴼᴾᴱᴺᴬᴵ在卷积神经网络中，每个卷积层通常有多个滤波器（也称为卷积核或权重），每个滤波器负责从输入特征图中提取不同的特征。在进行卷积操作时，每个滤波器都会在输入特征图上进行滑动，计算
- 2022-12-08 11:48回答 1 已采纳 望采纳是的，在卷积神经网络中，每一个卷积核都会有一个对应的权重矩阵，当网络进行反向传播时，每一个权重矩阵都会计算出一个梯度值，然后乘上学习率之后，再将结果与原来的权重矩阵进行加减运算，得到新的权重矩阵
- 2023-12-26 20:59masterMono的博客 本文介绍了标准卷积、深度可分离卷积以及paper中的GSConv，分析了它们的性能优劣，并简要介绍了如何将VoVGSP和GSConv引入YOLOv8
- 2022-01-13 15:01回答 1 已采纳 可以啊，冻结之后只是不更新参数和计算梯度，优化器在step的时候遇到不计算梯度的话自动就不更新参数了，但是反向传播还是正常进行的。
- 2020-05-29 20:31回答 1 已采纳 https://blog.csdn.net/xueweuchen/article/details/44216925
- 2022-02-14 19:13回答 1 已采纳 朋友，一维卷积核跟二维的一样理解喔：比如卷积核 [1 2 -1]，是将核的中间元素对齐，其实跟二维的对齐方式是一样的，二维的时候需要将行、列分别对齐，而一维的仅仅将行或者列对齐就好啦，对齐方式与二维一
- 2022-04-09 11:22LiBiGo的博客 该模型在ImageNet数据集上Top-1准确率达到82.9%，Top-5准确率达到96。2%，是目前最好的图片分类模型之一。 PNASNet模型最主要的结构是Normal Cell和Reduction Cell(参见arXⅳ网站上编号为1712.0...
- 2020-12-13 23:14回答 3 已采纳 一般来说是需要的，神经网络为何如此强大的原因一部分就归结于其引入了激活函数，使得函数经过隐藏层之间的层层调用，变成了线性可分，神经网络为何如此强大的原因一部分就归结于其引入了激活函数，使得函数经过隐藏
- 2022-04-21 22:37回答 1 已采纳 我看了几遍没看到你的64在哪里。至于具体参数含义，这个百度下conv1d()这个函数就有了
- 2021-03-10 10:55回答 2 已采纳 都可以，你说的是初始化，神经网络训练时，卷积核的参数会向精度最高的地方变化。 例如，你的目的地是北京，初始化就是随机把你放在某个位置，训练的过程就是不断靠近北京的过程； 训练过程中，卷积核不断向精
- 2023-04-06 08:00LiBiGo的博客 二维情况下的卷积和一维并没有本质上的不同，下面略过公式，直接来形象理解。深度学习·理论篇：单通道与多通道卷积可视化+(空间可分离卷积+深度可分离卷积+分组卷积+反卷积+八度卷积)可视化+OctConv模型理论
- 2023-02-19 22:54回答 2 已采纳 分组卷积是在通道维度上将输入和卷积核分为多个组，每个组内的通道共享同一个权重矩阵。因此，当 group=1 时，分组卷积与普通卷积相同。 在您提供的情况中，将 3 通道的输入图片分为 4 个 3x4x
- 2023-06-09 22:16涛声依旧叭的博客 手把手带你使用卷积神经网络识别图片验证码，准确率99%，奥利给！在自动化爬虫避免不了自动登录的问题，在爬取XX数据的过程中，遇到登录图形验证码的识别的问题，那我们该如何攻破这种验证码呢？字符验证码图片如下...
- 2023-01-29 16:38好一点，更好一点的博客 原理：普通卷积是，一个与input的所有通道都进行卷积，然后不同通道相同位置卷积后的结果再相加，如下图所示，：⾸先，每个通道内对应位置元素相乘再相加，最后计算所有通道的总和作为最终结果。卷积核的Channel通道...
- 没有解决我的问题, 去提问
问题事件
创建了问题
7月12日
悬赏问题
- ¥15 高缺失率数据如何选择填充方式
- ¥50 potsgresql15备份问题
- ¥15 Mac系统vs code使用phpstudy如何配置debug来调试php
- ¥15 目前主流的音乐软件，像网易云音乐，QQ音乐他们的前端和后台部分是用的什么技术实现的?求解！
- ¥60 pb数据库修改与连接
- ¥15 spss统计中二分类变量和有序变量的相关性分析可以用kendall相关分析吗？
- ¥15 拟通过pc下指令到安卓系统，如果追求响应速度，尽可能无延迟，是不是用安卓模拟器会优于实体的安卓手机？如果是，可以快多少毫秒？
- ¥20 神经网络Sequential name=sequential, built=False
- ¥16 Qphython 用xlrd读取excel报错
- ¥15 单片机学习顺序问题！！