ShuffeNet V1：

ShuffeNet V1是2017年由旷视提出的用于移动端设备的轻量化网络。一般的移动端CNN模型设计思路主要是是两方面：模型结构设计和模型压缩。ShuffleNet就属于模型结构设计，都是通过设计更高效的网络结构来实现模型变小和变快，而不是对一个训练好的大模型做压缩或者迁移。网络得到核心思想是Group convolution和Channel Shuffle，其中Group convolution将卷积计算限制在每个组内，这样可以使得模型的计算量显著的下降，但是 这样也把信息交互限制到了单独的通道内；Channel Shuffle的目的就是为了解决不同组的信息交互的问题，通过Shuffle使得下次的输入来自不同的组。

ShuffeNet V2：

ShuffeNet V2是2018年由旷视提出的用于移动端设备的轻量化网络，是V1的改进版。在同等复杂度下，ShuffleNetv2比ShuffleNet和MobileNetv2更准确。该论文指出了FLOPs虽然是目前衡量模型复杂度的一个通用指标，但是却不完全等同于速度。影响速度的还有内存使用量、模型得到并行程度、部署的平台不同。

四项原则：

1、使用1*1卷积平衡输入和输出通道大小；

2、组卷积要谨慎使用，注意分组的数目；

3、避免网络碎片化；

4、减少元素级别运算；