3.6 轻量级网络（MobileNet, ShuffleNet等）

文档摘要

3.6 轻量级网络（MobileNet, ShuffleNet等） 3.6 轻量级网络（MobileNet, ShuffleNet等）随着深度学习在图像识别领域取得巨大成功，模型性能不断提升的同时，模型的复杂度（参数量和计算量）也急剧增加。VGG、ResNet等经典网络虽然在准确率上表现优异，但其庞大的模型尺寸和高昂的计算需求使得它们难以直接部署到资源受限的移动设备、嵌入式系统或进行实时的边缘计算。因此，研究和设计轻量级网络成为了一个重要的方向。轻量级网络的核心目标是在保证一定性能（通常是可接受的准确率下降）的前提下，大幅减少模型的参数量和计算量（通常以FLOPs - Floating Point Operations衡量），从而降低内存占用、计算延迟和能耗。