基于深度学习的行为识别轻量模型有哪些，代码在哪里？

基于深度学习的行为识别轻量模型有很多，以下是一些常用的模型：

1. MobileNetV2：由Google提出的轻量级卷积神经网络模型，适用于移动设备和嵌入式系统。代码可参考：https://github.com/tensorflow/models/tree/master/research/slim/nets/mobilenet

2. SqueezeNet：由UC Berkeley提出的轻量级卷积神经网络模型，采用了火焰模块和1x1卷积等技巧，具有较小的模型参数和计算量。代码可参考：https://github.com/DeepScale/SqueezeNet

3. ShuffleNetV2：由Megvii提出的轻量级卷积神经网络模型，采用了通道随机重排等技巧，具有较小的模型参数和计算量。代码可参考：https://github.com/megvii-model/ShuffleNet-Series

4. EfficientNet-Lite：由Google提出的轻量级卷积神经网络模型，采用了复合缩放系数、深度可分离卷积等技巧，具有较高的准确率和较小的模型参数和计算量。代码可参考：https://github.com/tensorflow/tpu/tree/master/models/official/efficientnet/lite

以上模型的代码都可在GitHub上找到，具体实现可根据实际情况进行调整。