作者：Ningning Ma, Xiangyu Zhang, Hai-Tao Zheng, Jian Sun

作者单位：Megvii Inc (Face++)

发布时间：2018

发布期刊/会议：ECCV

**论文全称：**ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design

论文地址：

ECCV 2018 Open Access Repository

论文代码：

https://github.com/megvii-model/ShuffleNet-Series

DeepLearning_tutorials/ShuffleNet.py at master · xiaohu2015/DeepLearning_tutorials

https://github.com/miaow1988/ShuffleNet_V2_pytorch_caffe

地位：

个人理解

• **创新点：**发现4条设计轻量化网络的原则：
  • 原则一：输入输出通道数相同时，内存访问量MAC是最小的
  • 原则二：分组数过大的分组卷积会增加MAC
  • 原则三：碎片化操作（多通道等）对并行加速不友好
  • 原则四：逐元素操作（Element-wise）带来的内存和哈耗时不可忽略
• **为什么：**目前衡量卷积神经网络的大小一般都使用FLOPs，但FLOPs一般只跟卷积有关，是一个间接指标，卷积神经网络的运行效率还跟内存的读取有关，因此衡量卷积神经网络的大小不能单单只用FLOPs，故作者还使用MAC等指标，并进行了一系列实验。
• **怎么做：**作者根据大量实验得出了设计轻量化网络的四条原则，并根据该原则设计了一个轻量化网络（ShuffleNet V2），并使用该网络与已有的许多性能优秀的网络进行对比，均证明ShuffleNet V2的性能最佳