CNN 分割
测试的是Cifar10数据集，采用VGG模型的网络参数是[32, 'M', 64, 'M', 128, 128, 'M', 256, 256, 'M', 256, 256],准确度大概在90.5左右
1、将输入图片分割为左右两部分，分别进行卷积运算，最后全连接层再将两部分结合在一起，最后观察准确度。准确度大概在88.8左右。
SRE实战 互联网时代守护先锋，助力企业售后服务体系运筹帷幄！一键直达领取阿里云限量特价优惠。
开始时分析，这样只是中间的部分信息没有进行融合，后面再去思考的时候发现是 对于单个卷积核而言，左右是不同的，这样的话，提取的特征就会有所偏向。
2、将channel的数目减半分为两个，在最后的时候将两个网络cat在一起，准确度大概在88.5左右。应用上Knowledge distrilling的知识，能把准确度提高1%。
3、将channel数目减半，并且将图片分割为左右，上下，四个部分，最后在cat在一起。
准确度在88.0左右。
4、如果将图片分为左右两部分，进行卷积时使用相同的卷积核，最后再cat在一起，最后的准确度在85.7左右，明显要低于使用不同的卷积核。
5、如果将图片分为左右两部分，分别进行卷积运算，两部分是不同的卷积核，在最后两层卷积的时候将两部分cat在一起卷积，准确度在89.5左右。
更多精彩
