ReXNet.md

ReXNet 系列

---

目录

• 1. 概述
• 2. 精度、FLOPS 和参数量
• 3. 基于 V100 GPU 的预测速度

1. 概述

ReXNet 是 NAVER 集团 ClovaAI 研发中心基于一种网络架构设计新范式而构建的网络。针对现有网络中存在的 Representational Bottleneck 问题，作者提出了一组新的设计原则。作者认为传统的网络架构设计范式会产生表达瓶颈，进而影响模型的性能。为研究此问题，作者研究了上万个随机网络生成特征的 matric rank，同时进一步研究了网络层中通道配置方案。基于此，作者提出了一组简单而有效的设计原则，以消除表达瓶颈问题。论文地址

2. 精度、FLOPS 和参数量

Models	Top1	Top5	Reference top1	FLOPS (G)	Params (M)
ReXNet_1_0	77.46	93.70	77.9	0.415	4.838
ReXNet_1_3	79.13	94.64	79.5	0.683	7.611
ReXNet_1_5	80.06	95.12	80.3	0.900	9.791
ReXNet_2_0	81.22	95.36	81.6	1.561	16.449
ReXNet_3_0	82.09	96.12	82.8	3.445	34.833

3. 基于 V100 GPU 的预测速度

Models	Crop Size	Resize Short Size	FP32 Batch Size=1 (ms)	FP32 Batch Size=4 (ms)	FP32 Batch Size=8 (ms)
ReXNet_1_0	224	256	3.08	4.15	5.49
ReXNet_1_3	224	256	3.54	4.87	6.54
ReXNet_1_5	224	256	3.68	5.31	7.38
ReXNet_2_0	224	256	4.30	6.54	9.19
ReXNet_3_0	224	256	5.74	9.49	13.62

关于 Inference speed 等信息，敬请期待。