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.

الخاصيةMobileNetGoogLeNet
العائلةمعماريات الشبكات الالتفافيةمعماريات الشبكات الالتفافية
سنة الظهور20172014
الباحثونAndrew G. Howard, Menglong Zhu, Bo Chen, Dmitry Kalenichenko, Weijun…Christian Szegedy, Wei Liu, Yangqing Jia, Pierre Sermanet, Scott Reed,…
نوع المعماريةEfficient convolutional network (depthwise separable)Inception convolutional network
آلية التعلمsupervisedsupervised
التكوين المقارنMobileNet v1 ‏(α = 1.0، دقة 224)GoogLeNet وفق الجدول 1 (دون المصنفات المساعدة)
شكل المدخل3×224×2243×224×224
شكل المخرج10001000
العمق28 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
MACs568,740,352
≈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.
التعقيدنحو 0.57 مليار عملية ضرب-جمع.الورقة تذكر نحو 1.5 مليار عملية ضرب-جمع؛ القيمة المحسوبة هنا لهذا التنفيذ.
المهامتصنيف الصور، الرؤية على الأجهزة المحمولةتصنيف الصور، الكشف عن الأجسام
أبرز ميزةحساب أقل بنحو 8–9 مرات من الالتفاف العاديمعاملات قليلة نسبياً (نحو 7 ملايين في هذا التنفيذ)
أبرز قيددقة أقل قليلاً من الشبكات الكبيرةتصميم يدوي معقد للوحدات
حالة المراجعةيحتاج مراجعةيحتاج مراجعة
افتراضات الحسابتنفيذ 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.