Channel Group-Shared (CGS)

新的CGS方法增强了适用于移动部署的大型卷积核CNN

研究人员引入了一种称为通道组共享（CGS）低秩近似的新技术，以提高大型卷积神经网络（CNN）在移动设备上部署的效率。该方法通过使用基于奇异值分解（SVD）的参数共享策略，专注于优化逐点卷积，而逐点卷积构成了这些网络中绝大多数的参数。CGS方法降低了存储成本和内存带宽压力，使得RepLKNet、ConvNeXt和SLaK等预训练的大型卷积核模型能够切实地部署在资源受限的边缘设备上。