百度网站建设技术,wordpress模板导出,东莞家具网站建设,猪八戒做网站怎么样大家好啊#xff0c;我是董董灿。 昨天写了一篇关于分组卷积的文章#xff1a;分组卷积的思想神了#xff0c;然后有同学希望多了解下通道洗牌。 我个人感觉#xff0c;通道洗牌这个算法#xff0c;或者说这个思想#xff0c;可以称之为小而精#xff0c;并且是实际解…大家好啊我是董董灿。 昨天写了一篇关于分组卷积的文章分组卷积的思想神了然后有同学希望多了解下通道洗牌。 我个人感觉通道洗牌这个算法或者说这个思想可以称之为小而精并且是实际解决了大问题的经典算法。 今天就来一起看看。 1、通道洗牌的背景 分组卷积(Group Convolution)那篇文章中提到分组卷积的好处是可以将一个大卷积在通道维度拆分成多个小卷积来实现每个小卷积的并行计算从而减少内存占用提高性能。 但是分组卷积会带来一个副作用那就是组与组之间的特征无法交互和融合会使得整个神经网络最终的训练/推理效果不尽如人意。 怎么办呢人们就想到了洗牌这一算法。 通道洗牌主要就是为了解决分组卷积带来的副作用也就是组间的特征无法交互融合。 这里举一个例子说明一下这个问题。 一个年级共150人如果你是年级主任你肯定希望这150人的成绩都能达到最好成绩好的帮助成绩差的大家互相帮助一起进步。 最理想的情况是每个人都可以和其他人互帮互助这样150人中成绩最差的同学也可以和成绩最好的同学交流来提高自己的成绩。 但是一个不好的现象便是我们通常会将150人分班学习假设150人分了3个班每个班50人。 结果便是每个班内的同学交流很多而班与班之间的交流却很少。 假设成绩最差的同学在3班称他为学渣A3班成绩最好的同学称他为学霸B而3个班150人中的年级第一在1班称他为学神C。 很显然学渣A和学神C是很难在一起交流学习的因为不在一个班。 而学渣A能够到的天花板也就是本班的学霸B而学霸B可能比学神A的平均成绩少20分。 这就会导致班与班之间学习发展不平衡。 一个很容易想到的解决办法就是学生走班制让每个班的学生可以有机会去其他班上课。使3个班的平均成绩尽可能的接近。 通道洗牌就是类似于学生走班制。 在进行分组卷积之前经过通道洗牌操作可以把通道内的数据(150个学生)随机打乱或按一定规则打乱然后分为三组。 记住每次计算分组卷积前都这么做可以很有效的确保每次分到三个班的学生都是不同的从而实现整体的信息交流。 2、如何完成洗牌 利用程序完成洗牌有很多种方法比如随机洗牌等但一个更简单的完成洗牌的动作便是转置。 我们假设有以下数据用下图左侧图来表示分组前橙色和蓝色是不在一个组里的。 经过对原始数据做转置(行与列互换)之后可以看到每一组中都包含三种颜色的数据也就完成了转置前不同组间的信息交流。 对于卷积的通道而言利用转置来完成通道洗牌也很简单。 假设通道数为 c分组卷积将通道数分为 g 组每组 n 个特征那么可以得到 c g * n。 利用程序完成洗牌的逻辑便是先将一维通道数据 reshape 成 (g, n) 的二维数据然后转置变成 (n, g) 的数据然后再 reshape 回一维数据完成分组和通道洗牌操作。 伪代码如下 c  c.reshape((g, n))group_c  np.transpose(c, (1, 0))new_c  group_c.reshape((n, g)) 三行代码就可以完成通道洗牌的操作是不是很简单 关于卷积的其他文章感兴趣的小伙伴可以查看 面试官问1x1 的卷积有什么用 空洞卷积 —— 给神经网络装上放大镜 5分钟入门卷积算法 5分钟理解什么是卷积的特征提取