题目：

Run, Don’t Walk: Chasing Higher FLOPS for Faster Neural Networks

摘要

   提出了一种新的部分卷积（PConv），通过同时减少冗余计算和内存访问，可以更有效地提取空间特征。FLOPs 的减少并不一定会导致类似水平的延迟减少。在ImageNet1k上，小型FasterNet-T0在GPU、CPU和ARM处理器上分别比MobileViT XXS快3.1倍、3.1倍和2.5倍，同时准确率高2.9%。我们的大型FasterNet-L实现了令人印象深刻的83.5%的顶级精度，与新兴的Swin-B不相上下，同时在GPU上的推理吞吐量（吞吐量大，就是指单位时间内成功地传送数据的数量大。）提高了49%，并在CPU上节省了42%的计算时间。

1 介绍

   导致低FLOPS问题的主要原因是频繁的内存访问。提出了一种新的部分卷积（PConv）作为一种竞争性的替代方案，它减少了计算冗余和内存访问次数。PConv比常规Conv具有更低的FLOPs，而比DWConv/GConv具有更高的FLOPs，但是PConv可以更好地利用设备上的计算能力。
   MobileViT和MobileFormer通过将DWConv与改进的注意力机制相结合来降低计算复杂度。但是DWConv会受到内存访问增加的副作用。MicroNet 进一步分解和稀疏网络，将其 FLOPs 推到极低的水平。 尽管它在 FLOPs 上有所改进，但这种方法经历了低效的碎片计算。

• 1）指出了实现更高FLOPS的重要性，而不仅仅是为了更快的神经网络而简单地减少FLOPs。
• 2）引入了一种简单但快速有效的PConv，它很有可能取代现有的首选DWConv。
• 3）推出了FasterNet，它在GPU、CPU和ARM处理器等各种设备上运行良好且普遍快速。

CNN中FLOPs的计算

   FLOPS： 注意全大写，是floating point operations per second的缩写，意指每秒浮点运算次数，理解为计算速度。是一个衡量硬件性能的指标。(越大越好）
   FLOPs： 注意s小写，是floating point operations的缩写（s表复数），意指浮点运算数，理解为计算量。可以用来衡量算法/模型的复杂度。（越小越好）

2 相关工作

   CNN，群卷积和深度可分离卷积（由深度卷积和逐点卷积组成）可能是最流行的卷积。它们已被广泛用于面向移动/边缘的网络，如MobileNets、ShuffleNets、GhostNet、EfficientNets、TinyNet、Xception、CondenseNet、TVConv、MnasNet和FBNet。

3 PConv和FasterNet的设计

   虽然DWConv在减少FLOPs方面是有效的，但它通常后面跟着逐点卷积（PWConv），不能简单地用来取代常规的Conv，因为它会导致严重的精度下降。因此，在实践中，DWConv的信道数c（或网络宽度）增加到c0（c0>c），以补偿精度下降，例如，对于反相残差块中的DWConv，宽度扩展了六倍。然而，这会导致更高的内存访问，这可能会导致不可忽略的延迟并降低整体计算速度，尤其是对于I/O绑定设备。

3.1 偏卷积作为基本算子（PConv)

它只需在输入通道的一部分上应用正则Conv进行空间特征提取，而不影响其余通道。对于连续或规则的内存访问，我们认为第一个或最后一个连续的cp通道是整个特征图的代表，我们认为输入和输出特征图具有相同数量的通道。PConv的FLOPs仅为常规Conv的1/16

PConv具有较小的存储器访问量:

3.2 PConv后接PWConv

   为了充分有效地利用来自所有通道的信息，进一步将逐点卷积（PWConv）附加到PConv。在输入特征图上的有效感受野看起来像一个T形Conv，与均匀处理补丁的常规Conv相比，它更关注中心位置。

   为了证明这个T形感受野的合理性，首先通过计算位置上的Frobenius范数来评估每个位置的重要性。我们假设，如果一个位置的Frobenius范数比其他位置大，那么它往往更重要。我们认为一个显著位置是具有最大Frobenius范数的位置。然后，我们在预先训练的ResNet18中共同检查每个滤波器，找出它们的显著位置，并绘制显著位置的直方图。在滤波器中，中心位置是最频繁的显著位置。换句话说，中心位置的重量更大。

T形Conv的FLOPs可以计算为

3.3 FasterNet作为通用骨干

   它有四个层次级，每个层次级之前都有一个嵌入层（一个步长为4的正则Conv 4×4）或一个合并层（步长为2的正则Conv 2×2），用于空间下采样和信道数扩展。每个阶段都有一堆FasterNet块，最后两个阶段的块消耗更少的内存访问，并且往往具有更高的FLOPS，如表1中的经验验证。因此，我们放置了更多的FasterNet块，并相应地将更多的计算分配给最后两个阶段。每个FasterNet块都有一个PConv层，后面是两个PWConv（或Conv 1×1）层。它们一起显示为反向残差块，其中中间层具有扩展数量的通道，并放置快捷连接以重用输入特征。归一化层和激活层对于高性能神经网络也是必不可少的,只将它们放在每个中间PWConv之后，以保持特征多样性并实现更低的延迟。BN的好处是可以将其合并到相邻的Conv层中，以实现更快的推理。选择GELU用于较小的FasterNet变体，ReLU用于较大的FasterNet变体。最后三层，即全局平均池、Conv 1×1和全连接层，一起用于特征转换和分类。
  为了在不同的计算预算下为广泛的应用提供服务，我们提供了FasterNet的小型、小型、中型和大型变体，分别称为FasterNetT0/1/2、FasterNet-S、FasterNet-M和FasterNet-L。它们共享相似的架构，但在深度和宽度上有所不同。

4实验

Latency on GPU：模型推理和后处理的时间，时间越小，执行速度越快

消融实验：

1、对于部分比率r，我们默认为所有fastnet变体将其设置为 1 /4实现了更高的准确性、更高的吞吐量和更低的延迟。
2、对于归一化，选择BN而不是LN。因为BN可以合并到其相邻的卷积层中，从而更快地进行推断。
3、对于激活函数，GELU比ReLU更适合fastnet - t0 /T1模型。然而，fastnet-t2 /S/M/L则相反。

PConv + PWConv的测试损失最小，这意味着它们在特征变换中可以更好地逼近一个规则的Conv

为了进一步评估fastnet的泛化能力，在具有挑战性的COCO数据集上进行了对象检测和实例分割的实验。使用fastnet作为骨干，并配备流行的掩码R-CNN检测器