伯克利推出Shift：利用「移位」操作替代空间卷积

原文来源：arxiv作者：Bichen Wu、Alvin Wan、Xiangyu Yue、Peter Jin、Sicheng Zhao等「雷克世界」编译：嗯~阿童木呀通常情况下，神经网络是依靠卷积来聚集空间信息的。然而，就模型大小和计算而言，空间卷积是非常昂贵的，且这两者会随着内核大小变化呈现出二次方增长趋势。在本文中，我们提出了一种无参数、无FLOPs（每秒浮点运算次数）约束的“移位”操作作为空间卷积的可替代性选择。我们融合了移位和逐点卷积，以构建端到端的可训练的基于移位的模块，其中超参数表征了在准确性和效率之间的折衷。为了演示该操作的有效性，我们用基于移位的模块取代了ResNet的3x3卷积，在使用减少了60％的参数情况下，提高了CIFAR10和CIFAR100中的精度，我们还演示了该操作在Imag ………………………………