这两层之间有什么区别：CONV 和 MBConv？
What is the difference between these two layers : CONV and MBConv?
我正在从事一个机器学习项目，以了解有关该领域的更多信息。该项目是关于图像分类的。我想使用 EffnetB0 架构，他们在这个架构中提到他们在第一阶段使用以下层：“Conv3X3”，接下来的层他们使用“MBConv1”。
我试图了解这两层之间的区别，但似乎找不到答案。这两层都是卷积层吧？
但是“Conv”和“MBConv”到底有什么区别呢？
谢谢你帮助我！
一个conv表示有一个卷积核逐行扫描目标图像对应的矩阵并进行卷积，每次卷积的结果构成输出矩阵的一个值。
关于MBConv，我想你的意思是mobile inverted bottleneck convolution，它更像是一个封装模块而不是单个conv层。一个MBConv的结构可以表示如下：
MBConv = 1x1conv(ascending dimension) + Depthwise Convolution + SENet + 1x1conv(dimensionality reduction) + add
顺便说一句，你可能会注意到新名称Depthwise Convolution和SENet，它们也是一种模块（老实说，就像套娃一样）
如果你只是想使用它，你不一定需要完全理解它，直到你需要改进你的模型结构。所以我对你问题的回答
What is the difference between these two layers : CONV and MBConv?
是：前者是一个简单层，后者是由许多简单层组成的复杂模块
我正在从事一个机器学习项目，以了解有关该领域的更多信息。该项目是关于图像分类的。我想使用 EffnetB0 架构，他们在这个架构中提到他们在第一阶段使用以下层：“Conv3X3”，接下来的层他们使用“MBConv1”。 我试图了解这两层之间的区别，但似乎找不到答案。这两层都是卷积层吧？
但是“Conv”和“MBConv”到底有什么区别呢？
谢谢你帮助我！
一个conv表示有一个卷积核逐行扫描目标图像对应的矩阵并进行卷积，每次卷积的结果构成输出矩阵的一个值。
关于MBConv，我想你的意思是mobile inverted bottleneck convolution，它更像是一个封装模块而不是单个conv层。一个MBConv的结构可以表示如下：
MBConv = 1x1conv(ascending dimension) + Depthwise Convolution + SENet + 1x1conv(dimensionality reduction) + add
顺便说一句，你可能会注意到新名称Depthwise Convolution和SENet，它们也是一种模块（老实说，就像套娃一样）
如果你只是想使用它，你不一定需要完全理解它，直到你需要改进你的模型结构。所以我对你问题的回答
What is the difference between these two layers : CONV and MBConv?
是：前者是一个简单层，后者是由许多简单层组成的复杂模块