Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | ||||||
| 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| 9 | 10 | 11 | 12 | 13 | 14 | 15 |
| 16 | 17 | 18 | 19 | 20 | 21 | 22 |
| 23 | 24 | 25 | 26 | 27 | 28 | 29 |
| 30 | 31 |
Tags
- SQLD 후기
- 그래프
- skip connection
- BFS
- 백준
- 데이터모델링
- outer join
- mobilenet
- 1x1 Convolution
- SQLD
- Depthwise Separable Convolution
- 엔터티
- SQL
- depthwise convolution
- 식별자
- resnet
- 정규화
- 인접리스트
- get_dummies()
- 인접행렬
- Inductive Bias
- bottleneck
- CROSS JOIN
- numpy
- pytorch
- 연산량 감소
- dp
- feature map
- Two Pointer
- dfs
Archives
- Today
- Total
목록pointwise convolution (1)
SJ_Koding
Depthwise (Separable) Convolution의 설명 및 Pytorch 예시
- 부제: ConvNeXt이해하기 3편 - Xception에서 제시된 컨셉으로 유명해졌다. 쉽게 이해할 수 있다. 먼저 Depthwise convolution을 알기 전에 일반적인 Convolution 연산을 알아보자. 기본적인 개념으로 Input channel수는 filter channel수와 동일해야하고, filter의 개수는 output channel이 된다. 이것이 일반적인 convolution의 본질이다. 3x3 filter를 기준으로 모든 채널과 인접한 3x3 feature들을 하나의 scalar값으로 바꾸게 된다. Depthwise convolution Depthwise convolution은 convolution 연산을 '채널별로 독립적으로' 수행한다. 즉 다음 그림과 같다. 그림을 보면 ..
Deep Learning
2024. 4. 3. 11:24