文章目录
轻量级神经网络“巡礼”（一）—— ShuffleNetV2
pytorch计算模型计算量FLOPs和参数parameters
group convolution 分组卷积：降低参数
四个高效网络设计指南
G1 输入输出具有相同channel的时候，内存消耗是最小的
G2 过多的分组卷积操作会增大MAC，从而使模型速度变慢
G3 模型中的分支数量越少，模型速度越快
G4 Element-wise操作不能被忽略
Element-wise包括Add/Relu/short-cut/depthwise convolution等操作。
shuffleNet的缺点 和 shuffleNet_v2设计原则
