谷歌提出新型卷积网络EfficientNet：推理速度提升5.1倍，参数减少88%（附论文&代码）

来源：机器之心

文章来源：微信公众号 数据派THU

本文共1500字，建议阅读8分钟。

谷歌提出了一种新型CNN网络EfficientNet，该网络具备极高的参数效率和速度。

[ 导读 ]谷歌提出了一项新型模型缩放方法：利用复合系数统一缩放模型的所有维度，该方法极大地提升了模型的准确率和效率。谷歌研究人员基于该模型缩放方法，提出了一种新型 CNN 网络 EfficientNet，该网络具备极高的参数效率和速度。目前，该模型的代码已开源。

卷积神经网络（CNN）通常以固定成本开发，然后再按比例放大，从而在获得更多资源时可以达到更高的准确率。例如，ResNet 可以通过增加网络层数，从 ResNet-18 扩展到 ResNet-200。近期 GPipe 将基线 CNN 扩展了 4 倍，从而在 ImageNet 数据集上达到了 84.3% 的 t