ShuffleNet

ShuffleNet是一种轻量级神经网络，它在FLOPs（浮点操作）相同的情况下，具有较高的性能优势。

ShuffleNet的主要思想包括逐点分组卷积（Pointwise Group Convolution）和通道重排（Channel Shuffle）。逐点分组卷积是指将输入特征图按通道分组，然后对每个分组进行卷积操作，最后将所有分组的结果进行拼接。这种操作可以减少计算量并提升模型的效果。通道重排是指在特征图中，将通道进行重新排列，实现不同通道之间的信息交流，从而增加了模型的表示能力。

ShuffleNet1是ShuffleNet中的一个具体实现，论文只有9页，因此可以说它是一种轻量级的网络结构。 ShuffleNet1采用了逐点分组卷积和通道重排的思想，通过这两点关键操作，使得网络在保持较低计算复杂度的同时，仍能获得较高的性能。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [轻量级神经网络——shuffleNet](https://blog.csdn.net/qq_47233366/article/details/123190337)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]