添加readme

README.md

+# ShuffleNetV2
+
+## 模型介绍
+
+ShuffleNetV2 是一种轻量级神经网络模型，旨在提高深度学习模型的效率和速度。ShuffleNetV2 利用组卷积和通道重排等技术，在保持准确性的同时，将参数量和计算量大幅降低。
+
+## 模型结构
+
+ShuffleNetV2 的网络结构可以分为两个部分：基础网络和分类器。基础网络主要包含一系列 ShuffleNetV2 单元，用于提取图像特征；分类器则将提取的特征映射到类别概率上。
+
+ShuffleNetV2 的基础网络由四个阶段组成，每个阶段都包含多个 ShuffleNetV2 单元。第一个阶段是一个简单的卷积层，用于进行卷积和池化操作，并将输入图像转换为高级特征图。接下来的三个阶段都采用了 ShuffleNetV2 单元，其中第二个和第三个阶段还引入了 Downsampling 和 Upsampling 机制，用于对特征图进行降维和升维操作。
+
+在 ShuffleNetV2 单元中，逐点卷积（PointWise Convolution）和通道重排（Channel Shuffle）两个部分交替出现，以实现信息的混洗和传递。具体来说，逐点卷积用于将输入数据分为多个组，而通道重排则用于将不同组之间的特征图进行混洗，从而使得每个组都能够利用所有其他组的信息。
+
+最后，在基础网络的末尾，ShuffleNetV2 使用了全局平均池化（Global Average Pooling）来将特征图降维为一个向量，然后通过全连接层将其映射到类别概率上。
+
+## 数据集
+
+在本测试中可以使用ImageNet数据集。
+
+## ShuffleNetV2训练
+
+### 环境配置
+
+下载工程代码：
+
+http://developer.hpccube.com/codes/aicomponent/mmclassification-mmcv.git
+
+提供[光源](https://www.sourcefind.cn/#/service-details)拉取的训练的docker镜像：
+
+* 训练镜像：docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:1.10.0-centos7.6-dtk-22.10.1-py37-latest
+* pip install -r requirements.txt
+* cd mmclassification    
+* pip install -e .
+
+### 训练
+
+将训练数据解压到data目录下。
+
+训练命令：
+
+    ./shufflenet_v2.sh
+
+## 性能和准确率数据
+
+测试数据使用的是ImageNet数据集，使用的加速卡是DCU Z100L。
+
+| 卡数 |      性能       |          精度           |
+| :--: | :-------------: | :---------------------: |
+|  8   | 1593.5samples/s | top1:0.6960;top5:0.8895 |
+
+### 参考
+
+https://github.com/open-mmlab/mmpretrain
\ No newline at end of file