在图像分类应用下，诞生了不少经典网络。ShuffleNet以速度快和便于移植而著称，这篇博客将简单介绍ShuffleNet，以及Pytorch下模型的训练、保存、微调、生成CaffeModle。
理解ShuffleNet的关键在与理解通道混洗。因为完整的网络比较大，为了加快速度，减少模型参数，就使用几个更小的卷积核来代替原先网络中一个大的卷积核（把卷积操作分成了几个group），这样降低了复杂度，但是也会带来问题，就是每个group产生的数据之间并没有交换，为了将每个group产生的信息传到下一层，会在做完卷积之后加入混洗操作。