Depthwise Separable Convolution
Depthwise Separable Convolution: Fattorizza convoluzione standard in convoluzioni depthwise e pointwise per efficienza. Depthwise convolve ogni canale separatamente. Pointwise (1x1) combina canali. Riduce drasticamente computazione. Core di MobileNet. Esempi di applicazione: Architettura MobileNet, CNN efficienti, Deployment mobile.
In English: Depthwise Separable ConvolutionLegge III · Come una rete impara dai datiDepthwise convolve ogni canale separatamente. Pointwise (1x1) combina canali. Riduce drasticamente computazione. Core di MobileNet.
Formula
Parametri = k²C_in + C_inC_out invece di k²C_inC_out
Esempio numerico
import torch.nn as nn
block = nn.Sequential(
nn.Conv2d(32, 32, 3, padding=1, groups=32, bias=False),
nn.Conv2d(32, 64, 1, bias=False)
)
print(3*3*32 + 32*64) # 2,336Quando usarlo
È utile in modelli mobili ed edge per separare filtraggio spaziale e combinazione dei canali.
Limiti
La fattorizzazione può ridurre capacità e il vantaggio di latenza dipende da hardware e operatori disponibili.
Esempi
- Architettura MobileNet
- CNN efficienti
- Deployment mobile
Autovalutazione
Tre domande per verificare la comprensione della voce. Le spiegazioni restano disponibili anche senza JavaScript.