文档摘要

3.6 轻量级机型：MobileNet 与 ShuffleNet 本节摘要：把 CNN 装进手机，约束立刻换了一套：几瓦的功耗预算、几百 MB 的内存、毫秒级的响应。轻量级机型的核心刀法是深度可分离卷积——把"跨通道混合"与"空间过滤"拆成两道便宜工序，标准 3×3 卷积的算力立省约八成。本节算清这笔账，顺带巡检 ShuffleNet 的分组卷积与通道洗牌，并给出一把"什么时候别用轻模型"的尺子。 会员。《3.6 轻量级机型：MobileNet 与 ShuffleNet》收录于灏天文库文集《CNN 深度解析：图像识别的基石》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/449-cnn-%E6%B7%B1%E5%BA%A6%E8%A7%A3%E6%9E%90%E5%9B%BE%E5%83%8F%E8%AF%86%E5%88%AB%E7%9A%84%E5%9F%BA%E7%9F%B3

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流