16天

本節學習了垃圾分類代碼開發的方法。通過讀取本地圖像數據作為輸入，對圖像中的垃圾物體進行檢測，并且將檢測結果圖片保存到文件中。
MobileNet網絡是由Google團隊于2017年提出的專注于移動端、嵌入式或IoT設備的輕量級CNN網絡，相比于傳統的卷積神經網絡，MobileNet網絡使用深度可分離卷積的思想在準確率小幅度降低的前提下，大大減小了模型參數與運算量。并引入寬度系數 α和分辨率系數 β使模型滿足不同應用場景的需求。
由于MobileNet網絡中Relu激活函數處理低維特征信息時會存在大量的丟失，所以MobileNetV2網絡提出使用倒殘差結構（Inverted residual block）和Linear Bottlenecks來設計網絡，以提高模型的準確率，且優化后的模型更小。

實驗步驟
1.數據處理
1.1.數據準備
1.2.數據加載
2.MobileNetV2模型搭建
使用MindSpore定義MobileNetV2網絡的各模塊時需要繼承mindspore.nn.Cell
3.MobileNetV2模型的訓練與測試
4.模型推理
5.導出AIR/GEIR/ONNX模型文件