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 | GoogLeNet |
|---|---|---|
| العائلة | معماريات الشبكات الالتفافية | معماريات الشبكات الالتفافية |
| سنة الظهور | 2017 | 2014 |
| الباحثون | Andrew G. Howard, Menglong Zhu, Bo Chen, Dmitry Kalenichenko, Weijun… | Christian Szegedy, Wei Liu, Yangqing Jia, Pierre Sermanet, Scott Reed,… |
| نوع المعمارية | Efficient convolutional network (depthwise separable) | Inception convolutional network |
| آلية التعلم | supervised | supervised |
| التكوين المقارن | MobileNet v1 (α = 1.0، دقة 224) | GoogLeNet وفق الجدول 1 (دون المصنفات المساعدة) |
| شكل المدخل | 3×224×224 | 3×224×224 |
| شكل المخرج | 1000 | 1000 |
| العمق | 28 طبقة (عدّ الالتفاف العمقي والنقطي طبقتين) | 22 طبقة بمعاملات (27 مع التجميع) |
| Parameters (محسوبة) | 4,231,976 ≈4.23M | 6,998,552 ≈7M |
| Parameters (منشورة) | 4,200,000 ≈4.2M | غير محدد |
| MACs | 568,740,352 ≈568.74M محسوبة بـ torch.utils.flop_counter (تطابق 569M المذكورة في الورقة تقريباً). | 1,582,671,872 ≈1.58B محسوبة بـ torch.utils.flop_counter لتنفيذ مطابق للجدول 1. |
| التعقيد | نحو 0.57 مليار عملية ضرب-جمع. | الورقة تذكر نحو 1.5 مليار عملية ضرب-جمع؛ القيمة المحسوبة هنا لهذا التنفيذ. |
| المهام | تصنيف الصور، الرؤية على الأجهزة المحمولة | تصنيف الصور، الكشف عن الأجسام |
| أبرز ميزة | حساب أقل بنحو 8–9 مرات من الالتفاف العادي | معاملات قليلة نسبياً (نحو 7 ملايين في هذا التنفيذ) |
| أبرز قيد | دقة أقل قليلاً من الشبكات الكبيرة | تصميم يدوي معقد للوحدات |
| 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 بُني من الجدول 1: فرع 5×5 حقيقي ودون BatchNorm (بخلاف torchvision)، مع ReLU و LRN، وتجميع ceil_mode. المصنفان المساعدان يُستخدمان في التدريب فقط ولم يُحسبا. |
العلاقات المسجلة بين النماذج المقارنة
- MobileNet مرتبط GoogLeNet — تشترك في تقليل الحساب بالتفاف 1×1.
