mobilenetv2中t，c，n，s的设置规则

MobileNetV2 是一种轻量级的卷积神经网络，主要用于移动设备和嵌入式设备等资源受限的场景。其中，t，c，n，s 是 MobileNetV2 中的一些重要参数，具体含义和设置规则如下：

- t：扩展比例（Expansion factor）

t 指的是输入通道数与输出通道数之比，也就是扩展比例。MobileNetV2 中的每个卷积层都采用了一种叫做 Inverted Residuals 的结构，其中包含了一个扩展层和一个瓶颈层。扩展层的作用是将输入通道数扩大一倍，而瓶颈层则是将通道数压缩到原来的 1/6 左右，从而达到降低计算量和模型大小的目的。扩展比例 t 的设置规则是：如果 t=1，则表示不进行扩展；如果 t>1，则表示进行扩展，通常的取值范围是 1~6。

- c：输出通道数（Number of output channels）

c 指的是瓶颈层输出的通道数，也就是瓶颈层输出特征图的深度。MobileNetV2 中的每个瓶颈层包含了两个卷积层，其中第一个卷积层的输出通道数为 c*t，第二个卷积层的输出通道数为 c。在 MobileNetV2 中，不同的瓶颈层采用了不同的输出通道数，以逐步提取更高层次的特征。通常来说，输出通道数 c 的设置规则是：c 的数量应该随着层数的增加而增加，不同的层数可以设置不同的 c 值。

- n：重复次数（Number of repeats）

n 指的是每个瓶颈层重复的次数，也就是一个 Inverted Residuals 的重复次数。MobileNetV2 中采用了一种叫做 Linear Bottlenecks 的结构，其中一组瓶颈层的输出特征图大小是相同的，但通道数不同。重复次数 n 的设置规则是：n 的数量应该随着输出特征图大小的增加而增加，通常来说，输出特征图大小越大，n 的数量就越大。

- s：步长（Stride）

s 指的是卷积层的步长，也就是每次卷积时滑动的距离。MobileNetV2 中的卷积层采用了一种叫做 Depthwise Separable Convolution 的结构，其中包含了一个深度卷积和一个逐点卷积。步长 s 的设置规则是：如果 s=1，则表示不进行步长卷积；如果 s>1，则表示进行步长卷积，通常的取值范围是 1、2 和 3。