第15天|（ MobileNet v2分类模型）

一、关于MobileNetv2

MobileNet网络主要致力于开发适用于移动端、嵌入式或IoT设备的轻量化CNN架构。MobileNet网络通过引入深度可分离卷积（Depthwise Separable Convolution）的理念，在仅对准确率造成轻微影响的情况下，有效降低了模型的参数数量与计算复杂度。同时，该网络还引入了宽度系数 α和分辨率系数 β，从而使其能够灵活适配多样化的应用场景需求。

由于在MobileNet网络中，Relu激活函数在处理低维特征信息时会导致大量信息的丢失，因此MobileNetV2网络提出采用倒残差结构（Inverted residual block）以及线性瓶颈模块（Linear Bottlenecks）来构建网络结构，以此提升模型的识别精度，并且优化后的模型体积更小。

二、MobileNetV2模型构建

在构建MobileNetV2网络的各个模块时，若采用MindSpore框架进行定义，则需继承mindspore.nn.Cell类。该Cell类作为所有神经网络组件（如C