论文阅读: ShuffleNet

Introduction

ShuffleNet是Face++为了产品落地而做的。主要的贡献在于：

大幅砍削了浮点计算次数。

作者注意到，像Xception、ResNeXt这么好的网络结构，一旦被压缩为小网络，就会性能低下。这也导致了这类先进的网络结构无法被落地到移动设备上。

究其原因，发现是因为 密集的1×11×11\times 1卷积 耗费了大量的计算资源。

对应的，作者发明了ShuffleNet。

Innovation

使用pointwise group convolution来替换原本的1×11×11\times 1卷积，并通过channel shuffle操作来克服替换所带来的副作用。

Result

在浮点数计算仅约40MFLOPs的计算开销下，在ImageNet top-1 error 单项上吊打第二名7.8个点。

Thinking

这篇文章就扫了一眼，没细看。主要还是拓宽了知识面吧。

[1] ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices