模型简介

模型介绍：ShuffleNet V2于2018年在论文《ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design》中被提出。ShuffleNet V2模型在对图像特征提取方面有一定优势，多用于图像分类。因此，模型采用ImageNet数据集作为模型的训练和测试数据。论文地址：https://arxiv.org/pdf/1807.11164.pdf

---

1. 使用方法

   • 1.1. 环境配置

   • 1.2. 模型推断

   • 1.3. 模型训练

   • 1.4. 模型测试

2. 模型来源

1. 使用方法

1.1. 环境配置

在终端，在root/Shufflenet_v2（默认）路径下，运行以下命令：

cd ..
cd ..
# 进入根目录
cp -r /datasets/ImageNet-1000 ../../user-data
# 将复现所需的公开数据集复制到指定文件夹下
cp -r modelsets/shufflenet/shufflenet_v2_batch1024_imagenet_20200812-5bf4721e.pth ../../user-data
# 将复现所需的预训练权重文件复制到指定文件夹下

1.2. 模型推断

在终端，进入root/Shufflenet_v2（默认）路径下，运行以下命令：

python inference.py
# 实际标签为211，推断标签为363。可通过不断提高训练的批次（epoch）降低损失率（loss）来提高模型检测的精度。

1.3. 模型训练

在终端，进入root/Shufflenet_v2（默认）路径下，运行以下命令：

python train.py

1.4. 模型测试

在终端，进入root/Shufflenet_v2（默认）路径下，运行以下命令：

python test.py

2. 模型来源

https://github.com/pytorch/vision/tree/main/torchvision/models