Lightweight-Networks-and-Mobile-framework
1.轻量级深度学习网络(一):详解谷歌轻量级网络MobileNet-v1 https://blog.csdn.net/chenyuping333/article/details/81363125
Reference https://github.com/Zehaos/MobileNet
2.轻量级深度学习网络(二):详解谷歌轻量级网络MobileNet-v2 https://blog.csdn.net/chenyuping333/article/details/81540671
Reference① https://github.com/neuleaf/MobileNetV2
Reference② https://github.com/ildoonet/tf-mobilenet-v2
Reference③ https://github.com/timctho/mobilenet-v2-tensorflow
3.轻量级深度学习网络(三）:详解轻量级网络SqueezeNet https://blog.csdn.net/chenyuping333/article/details/81624186
Reference① https://github.com/rcmalli/keras-squeezenet
Reference② https://github.com/DT42/squeezenet_demo
4.轻量级深度学习网络(四）:详解轻量级网络ShuffleNet https://blog.csdn.net/chenyuping333/article/details/81624544
5.轻量级深度学习网络(五）:详解轻量级网络Xception https://blog.csdn.net/chenyuping333/article/details/81624573
6.轻量级深度学习网络(六）:详解轻量级网络ShuffleNet-v2 https://blog.csdn.net/chenyuping333/article/details/81697987
7.轻量级深度学习网络(七）:详解轻量级网络总结 https://blog.csdn.net/chenyuping333/article/details/81624593
现阶段的移动端 APP 主要通过以下两种模式来使用深度学习：
online 方式：移动端做初步预处理，把数据传到服务器执行深度学习模型，优点是这个方式部署相对简单，将现成的框架(Caffe，Theano，MXNet，Torch) 做下封装就可以直接拿来用，服务器性能大, 能够处理比较大的模型，缺点是必须联网。
offline 方式：在服务器上进行训练的过程，在手机上进行预测的过程。
主流移动端深度学习框架综述 http://ai.51cto.com/art/201805/573314.htm
百度 MDL简介——CSDN https://blog.csdn.net/weixin_34344677/article/details/86721344