本文内容：在不同位置添加ACConv2d

目录

论文简介

1.步骤一

2.步骤二

3.步骤三

4.步骤四

---

论文简介

由于在给定的应用环境中设计合适的卷积神经网络(CNN)架构通常需要大量的人工工作或大量的GPU时间，研究社区正在征求架构中立的CNN结构，它可以很容易地插入到多个成熟的架构中，以提高我们实际应用的性能。我们提出非对称卷积块(Asymmetric Convolution Block, ACB)，这是一种架构中性的结构作为CNN的构建块，它使用一维非对称卷积来增强平方卷积核。

对于现成的体系结构，我们用acb取代标准的平方核卷积层来构建非对称卷积网络(ACNet)，该网络可以通过训练达到更高的精度。训练后，我们将ACNet等效地转换为相同的原始架构，不再需要额外的计算。我们观察到，ACNet可以明显提高各种模型在CIFAR和ImageNet上的性能。通过进一步的实验，我们将ACB的有效性归因于其增强模型对旋转畸变的鲁棒性和增强平方卷积核的中心骨架部分的能力<