谷歌开源新模子 EfficientNet：图像辨认服从晋升 10 倍，参数镌汰 88%

办理公式（2）的一个难点就在于 d,w,r 互相依靠，而且会因为差异的资源前提所改变。传统要领首要齐集于独立地办理个中一个维度的扩展题目。下图是改变每个维度对模子机能影响的部门尝试功效：

图中从左至右别离暗示的是差异宽度、深度、别离率系数对模子机能的影响。跟着宽度、深度、判别率的进步，更大的收集会得到更好的精确率。可是，在到达 80% 后，精确率很快就趋于饱和，这声名白 单维度的扩展是具有范围性的 。这里的尝试功效均行使的是 EfficientNet-B0 作为基线收集，详细布局如下表所示：

表 1：EfficientNet-B0 收集，每一行暗示多层收集的某个阶段，resolution 输入张量巨细，Channels 暗示输出通道数。表中的标记与公式（1）中的标记意思

通过这一部门的较量作者得出：

调查 1：对收集的宽度、深度以及判别率中的恣意一项做扩展都可以进步其精确率，可是跟着模子越来越大，这种晋升会逐渐缩小。

复合扩展

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!