ShuffleNet是一种计算高效的CNN模型,其设计目标是利用有限的计算资源来达到最好的模型精度。ShuffleNetV1的设计核心是引入了两种操作:Pointwise Group Convolution和Channel Shuffle,这在保持精度的同时大大降低了模型的计算量。
模型架构,ShuffleNet最显著的特点在于对不同的通道进行重排来解决Group Convolution带来的弊端。
模型训练与评估过程中,需要训练及准备与加载。此处采用mindspore.datatime.Cifar10Dataset接口下载并加载训练集。
图片上传时压缩出了点问题,故而不清晰,见谅。