轻量化神经网络（Lightweight Neural Networks）是指在计算资源和存储资源有限的设备上运行的深度学习模型。MobileNet 是一种常见的轻量化神经网络，专门为移动和嵌入式设备设计。
关键特点：
深度可分离卷积（Depthwise Separable Convolution）：
- 传统卷积操作会对输入通道和输出通道进行全连接卷积，计算量大。深度可分离卷积将卷积分为两个部分：深度卷积（depthwise convolution）和逐点卷积（pointwise convolution）。深度卷积对每个输入通道分别进行卷积操作，逐点卷积用 1x1 卷积将各通道的输出组合在一起。这显著减少了计算量和参数量。
宽度乘子（Width Multiplier）：
- 用于减少每一层卷积的通道数量，从而进一步减少计算量。宽度乘子是一个在（0, 1] 范围内的超参数，用于缩放网络的宽度（即卷积通道数）。
分辨率乘子（Resolution Multiplier）：
- 用于调整输入图像的分辨率。通过减少输入图像的分辨率，可以降低计算复杂度和内存占用。
效率与性能权衡：
- MobileNet 的设计目标是找到效率和性能之间的最佳权衡。通过上述技术，MobileNet 能在保持较高准确度的同时，大幅度降低计算
