基本信息

---

下载

文档摘要

---

神经网络轻量化现状概述

神经网络的深度越深，对问题的拟合能力就越强，但是过深的神经网络不仅可能带来过拟合问题，而且会使网络的运算量增加。很多终端设备比如手机、平板电脑等由于产品尺寸限制，无法安装大型的处理器，计算能力低，而消费者在终端设备上处理照片的需求很高，因此针对神经网络去噪，在算法计算量和去噪效果之间寻找平衡至关重要。本节主要针对如何对神经网络算法降低计算量进行现状分析。

1.降低运算量的卷积操作

当标准卷积的计算输入特征图通道为1层，输出的通道也为一层，为了通用的表示一次卷积的计算量，假设输入的特征图的尺寸为H*W*C，H和W分别表示特征图的高和宽，C表示通道数，卷积核的尺寸为K*K*