Mobilenet 参数：alpha 和 rho答案

【问题标题】：Mobilenet parameters: alpha and rhoMobilenet 参数：alpha 和 rho
【发布时间】：2021-05-09 18:22:10
【问题描述】：

我一直在学习 PoseNet，以便在我的健康相关研究工作中使用它。
我印象深刻的是，mobilenet 如何通过调整我的问题出现的几个参数来保持高精度，同时减少 CPU（或 GPU/NPU）依赖。
我注意到在 mobilenet 官方文件中，引入了两个乘数：alpha 和 rho。我将跳过这两个参数的解释。我想知道最新 PoseNet 模型的移动网络的 alpha 和 rho 的每个值是多少。另外，我想知道是否有参数（尤其是 alpha 和 rho）调整指南，以及在训练模型之前如何设置和验证两者的值。
就像，如果 alpha 的选定值是 0.5，我想知道为什么这个值比 0.75 或 0.25 好。
我的问题是：

mobilenet 的 alpha 和 rho 的值是多少（用于训练 PoseNet 的版本）
为什么/如何选择/验证这些数字？

【问题讨论】：

根据 30 秒的 Google 搜索：“引入了两个参数，以便可以轻松调整 MobileNet：宽度乘数 α 和分辨率乘数 ρ。”它适用于图像的大小。请参阅towardsdatascience.com/… 以进一步阅读。我想它可以区分玩具车和人，汽车和巨人！
我知道它们是什么。我的问题是：训练 mobilenet（尤其是用于训练 PoseNet 的 mobilenet 版本）时，alpha 和 rho 的值是多少？

标签： tensorflow machine-learning parameters tensorflow-lite mobilenet

【解决方案1】：

https://www.tensorflow.org/lite/models/pose_estimation/overview 中的那个使用 alpha=1.0。 alpha 乘以每个卷积的输入/输出通道数，对于 alpha=1.0，第一个卷积层有 32 个通道。尽管如此，还是有其他主干的 PoseNet，您可以从 TF.js 示例中轻松尝试。 https://github.com/tensorflow/tfjs-models/tree/master/posenet

rho 值更具理论性，在原始论文中它说

在实践中，我们通过设置输入分辨率来隐式设置 ρ。

【讨论】：