add readme

README.md

+# Shufflenet_v2_pytorch
+
+## 论文
+- https://arxiv.org/abs/1807.11164
+## 模型结构
+ShuffleNetV2是一种轻量级卷积神经网络，其核心结构包括逐通道卷积、分组卷积、通道混洗操作以及特殊的残差连接结构，通过这些设计在减少计算量和参数量的同时，有效提升了模型的性能和效率，特别适用于移动设备等资源受限的场景。
+
+![model](model.png)
+
+
+## 算法原理
+ShuffleNetV2通过逐通道卷积降低计算量，利用分组卷积和通道混洗操作减少信息损失并增强特征融合，同时采用合适的残差连接设计，实现高效且性能优异的轻量级网络架构。
+
+![model2](model2.png)
+
+
+## 环境配置
+### Docker（方法一）
+此处提供[光源](https://www.sourcefind.cn/#/service-details)拉取docker镜像的地址与使用步骤
+```
+docker pull image.sourcefind.cn:5000/dcu/admin/base/pytorch:2.1.0-py3.10-dtk24.04.3-ubuntu20.04
+
+docker run -it --name docker_name -v /path/your_code_data/:/path/your_code_data/ -v /opt/hyhal:/opt/hyhal:ro --network=host --shm-size=32G --privileged=true --device=/dev/kfd --ipc=host --device=/dev/dri/ --group-add video image.sourcefind.cn:5000/dcu/admin/base/pytorch:2.1.0-py3.10-dtk24.04.3-ubuntu20.04 /bin/bash
+```
+### Dockerfile（方法二）
+此处提供dockerfile的使用方法
+```
+cd ./docker
+docker build --no-cache -t shufflenetv2:1.0 .
+docker run -it -v /path/your_code_data/:/path/your_code_data/ --shm-size=32G --privileged=true --device=/dev/kfd --device=/dev/dri/ --group-add video --name docker_name imageID /bin/bash
+```
+### Anaconda（方法三）
+此处提供本地配置、编译的详细步骤，例如：
+
+关于本项目DCU显卡所需的特殊深度学习库可从[光合](https://developer.hpccube.com/tool/)开发者社区下载安装。
+```
+DTK驱动：dtk24.04.3
+python：python3.10
+torch：2.1.0
+torchvision：0.16.0
+```
+`Tips：以上dtk驱动、python、paddle等DCU相关工具版本需要严格一一对应`
+
+
+## 数据集
+`s2数据集`
+
+训练所用的数据集在/data/目录下
+
+
+
+## 训练
+一般情况下，ModelZoo上的项目提供单机训练的启动方法即可，单机多卡、单机单卡至少提供其一训练方法。
+### 单机多卡
+```
+python -m torch.distributed.launch --nproc_per_node=8 ShuffleNetV2Driver_multi.py 
+```
+
+### 单机单卡
+```
+python ShuffleNetV2Driver.py
+```
+
+
+## result
+
+![img](https://developer.hpccube.com/codes/modelzoo/vit_pytorch/-/raw/master/image/README/1695381570003.png)
+
+
+
+### 精度
+测试数据：/data/下的s2数据集，使用的加速卡:K100_AI。
+
+根据测试结果情况填写表格：
+| 卡数 | 精度 |
+| :------: | :------: |
+| 8 | 0.8666 |
+## 应用场景
+### 算法类别
+`图像分类`
+
+### 热点应用行业
+应用行业的填写需要做大量调研，从而为使用者提供专业、全面的推荐，除特殊算法，通常推荐数量>=3。
+
+`制造,能源,交通,网安,安防`
+
+## 预训练权重
+- 该工程为通用训练模型，不需要预训练权重文件
+## 源码仓库及问题反馈
+- https://developer.sourcefind.cn/codes/modelzoo/shufflenet_v2_pytorch
+## 参考资料
+- https://github.com/Randl/ShuffleNetV2-pytorch

docker/Dockerfile

+FROM image.sourcefind.cn:5000/dcu/admin/base/pytorch:2.1.0-py3.10-dtk24.04.3-ubuntu20.04
+RUN source /opt/dtk/env.sh
+

model.properties

+# 模型编码
+modelCode=1147
+# 模型名称
+modelName=Shufflenet_v2_pytorch
+# 模型描述
+modelDescription=ShuffleNet V2是一种轻量级卷积神经网络模型，通过优化网络结构和引入点群卷积、通道混洗等操作，在保持较高精度的同时显著降低了计算量，适用于移动设备等资源受限场景。
+# 应用场景(多个标签以英文逗号分割)
+appScenario=制造,能源,交通,网安,安防
+# 框架类型(多个标签以英文逗号分割)
+frameType=PyTorch
+