مقارنة النماذج
تقارن هذه الصفحة تكوينات محددة (مثل ResNet-50 أو BERT-base)، لا عائلات عامة؛ فكل رقم مرتبط بالتكوين المذكور في رأس عموده. «غير محدد» تعني أن الرقم غير موثق في الأطلس.
| الخاصية | MobileNet | EfficientNet |
|---|---|---|
| العائلة | معماريات الشبكات الالتفافية | معماريات الشبكات الالتفافية |
| سنة الظهور | 2017 | 2019 |
| الباحثون | Andrew G. Howard, Menglong Zhu, Bo Chen, Dmitry Kalenichenko, Weijun… | Mingxing Tan, Quoc V. Le |
| نوع المعمارية | Efficient convolutional network (depthwise separable) | Scaled efficient convolutional network |
| آلية التعلم | supervised | supervised |
| التكوين المقارن | MobileNet v1 (α = 1.0، دقة 224) | EfficientNet-B0 (224×224) |
| شكل المدخل | 3×224×224 | 3×224×224 |
| شكل المخرج | 1000 | 1000 |
| العمق | 28 طبقة (عدّ الالتفاف العمقي والنقطي طبقتين) | 16 كتلة MBConv + جذع ورأس |
| Parameters (محسوبة) | 4,231,976 ≈4.23M | 5,288,548 ≈5.29M |
| Parameters (منشورة) | 4,200,000 ≈4.2M | 5,300,000 ≈5.3M |
| MACs | 568,740,352 ≈568.74M محسوبة بـ torch.utils.flop_counter (تطابق 569M المذكورة في الورقة تقريباً). | 385,814,752 ≈385.81M محسوبة بـ torch.utils.flop_counter (تشمل الضغط-والإثارة). |
| التعقيد | نحو 0.57 مليار عملية ضرب-جمع. | نحو 0.4 مليار عملية ضرب-جمع. |
| المهام | تصنيف الصور، الرؤية على الأجهزة المحمولة | تصنيف الصور، استخلاص السمات |
| أبرز ميزة | حساب أقل بنحو 8–9 مرات من الالتفاف العادي | توازن ممتاز بين الدقة والحجم |
| أبرز قيد | دقة أقل قليلاً من الشبكات الكبيرة | الالتفاف العمقي و SE أبطأ عملياً على بعض المسرّعات |
| حالة المراجعة | يحتاج مراجعة | يحتاج مراجعة |
| افتراضات الحساب | تنفيذ بُني من الجدول 1 في الورقة؛ الكتلة الأخيرة بخطوة 1 لأن الجدول يبقي الأبعاد 7×7. BN دون انحياز في الالتفافات. | تنفيذ torchvision.models.efficientnet_b0. |
العلاقات المسجلة بين النماذج المقارنة
- MobileNet سابق له EfficientNet — تعتمد على الالتفاف المنفصل عمقياً.
