ShuffleNet心得

channel shuffle：

1）利用group ，再组间进行深度卷积。

优点：1）极大减小计算量（FLOPS）

               由于每个filter不再是和输入的全部feature map做卷积，而是仅仅和一个group的feature map做卷积。

 缺点：边界效应产生，即某个输出channel仅仅来自输入channel的一小部分

细节：一般卷积操作中比如输入feature map的数量是N，该卷积层的filter数量是M，那么M个filter中的每一个filter都要和N个feature map的某个区域做卷积，然后相加作为一个卷积的结果。假设你引入group操作，设group为g，那么N个输入feature map就被分成g个group，M个filter就被分成g个group，然后在做卷积操作的时候，第一个group的M/g个filter中的每一个都和第一个group的N/g个输入feature map做卷积得到结果，第二个group同理，直到最后一个group.

2)为了抵消边界效应，提出channel shuffle

本质; 即进行GConv2之前，对其输入feature map做一个分配，使得GConv2的每一个group都能卷积输入的所有group的feature map

def _shuffle(x, groups):
    def shuffle_layer(x):