# ShuffleNetV2

## 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.sourcefind.cn/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.sourcefind.cn/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