移动端模型

图像分类竞赛的成绩逐年上升，主流深度学习模型的规模也逐年加大，对计算量的要求也逐步上升。 在大多数情况下，算力强大的 GPU 已经成为应用深度模型的基础硬件配置。 另一方面，对计算量额要求却限制了这些模型在低功耗、低成本硬件等更为实际的场景中的应用。

从这个角度出发，一些工作的目标也渐渐转向，从提高图像分类的精度，转为在基本保持精度的前提下，大大降低模型的体积以及计算量。 在这些工作中，比较有名的包括 MobileNet 系列和 ShuffleNet 系列。 我们将对这几个工作作简要的介绍。