深度学习面试题27：非对称卷积(Asymmetric Convolutions)
Posted itmorn
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了深度学习面试题27：非对称卷积(Asymmetric Convolutions)相关的知识，希望对你有一定的参考价值。
目录
产生背景
举例
参考资料
|
产生背景 |
之前在深度学习面试题16：小卷积核级联卷积VS大卷积核卷积中介绍过小卷积核的三个优势：
①整合了三个非线性激活层，代替单一非线性激活层，增加了判别能力。
②减少了网络参数。
③减少了计算量
在《Rethinking the Inception Architecture for Computer Vision》中作者还想把小卷积核继续拆解，从而进一步增强前面的优势
|
举例 |
一个3*3的卷积可以拆解为：一个3*1的卷积再串联一个1*3的卷积，实验证明这样做在精度上损失不大，这两者的感受野是相同的，如下图所示：
同理，
5*5的卷积可以拆解为：一个5*1的卷积再串联一个1*5的卷积
7*7的卷积可以拆解为：一个7*1的卷积再串联一个1*7的卷积
作者在论文《Rethinking the Inception Architecture for Computer Vision》中说明，这样的非对称卷积不要用在靠近输入的层，会影响精度，要用在较高的层
|
参考资料 |
《图解深度学习与神经网络：从张量到TensorFlow实现》_张平
Rethinking the Inception Architecture for Computer Vision
以上是关于深度学习面试题27：非对称卷积(Asymmetric Convolutions)的主要内容，如果未能解决你的问题，请参考以下文章
深度学习面试题24：在每个深度上分别卷积(depthwise卷积)