传统卷积神经网络，内存需求大、运算量大导致无法在移动设备以及嵌入式设备上运行。模型研究得初衷就是服务于社会，应用到实际生活中，让深度学习技术服务于生活。

万物互联时代，智能终端部署模型到本地，不需连接因特网/云服务器，在边缘终端进行边缘计算。保障数据隐私，不依赖网络，无数据网络和通信延时，进行本地推理实时计算。云端训练模型，将训练的模型部署在终端（端云协同）。

目录

 MobileNet概述

DW卷积（Depthwise convolution）

PW卷积（Pointwise Cov）

深度可分离卷积（Depthwise Separable Conv）

MobileNetV1网络模型

---

嵌入式软硬件设计，部署硬件终端需要注重算力和模型轻量化和加速推理。

如下图为各种运算在计算机中的运算能耗。例如32bit的整数加法运算是0.1p焦耳，32浮点数是0.9，内存SDRAM是640能耗，内存的读取是非常消耗能量的。

轻量化网络的核心目标就是减少内存的读写（减少参数、权重量、feature map卷积卷积神经网络中间层的输出结果、使内存读写更加规则、加速矩阵运算等来减少内存读写）  

MobileNe