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）。
下一篇为MobileNet代码实战：【嵌入式AI开发】轻量级卷积神经网络MobileNet实战——文末完整源码工程文件-CSDN博客
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。