机器人轻量化材料应用的研究进展.pdf，这是一份不错的文件

新能源车用蜂窝芯复合板仿真系统是基于试验数据和CAE有限元分析数据开发而成，软件内置了常用蜂窝芯复合板配置的性能参数，软件可实现针对不同轻量化车型（新能源）定制配置的蜂窝芯复合板，分析计算给出厢板的变形参数和应力参数，快速甄选最优的配置方案，以实现复合板的轻量化，进而实现新能源汽车的整体轻量化，根据设计者需求给出各种配置的力学性能参数，是蜂窝芯复合板制造企业和新能源车设计人员非常使用的一款开发软件；本软件可根据需要进行迭代更新，以满足使用者需求，同时可根据使用者需求进行新能源车厢体进行有限元分析计算，实现产品稳定可靠且最大程度的轻量化，从而增加新能源车的市场竞争力。

入门理解级，了解shufflenet的核心内容

MobileNet网络是由google团队在2017年提出的，专注于移动端或者嵌入式设备中的轻量级CNN网络。相比传统卷积神经网络，在准确率小幅降低的前提下大大减少模型参数与运算量。(相比VGG16准确率减少了0.9%，但模型参数只有VGG的1/32) MobileNet v2网络是由google团队在cvpr2018年提出的，相比MobileNet v1网络，准确率更高，模型更小。 MobileNet v3发表于eccv2019年，该v3版本结合了v1的深度可分离卷积、v2的Inverted Residuals和Linear Bottleneck、新添加了SE模块，利用NAS（神经结构搜索）来搜索网络的配置和参数。

可方便的浏览 Autodesk Forge 轻量化模型，无需架设 Web Server，支持 svf, f2d, glTF, glb 等格式 功能描述: 快捷预览轻量化模型，省去部署模型到 Web Server 的麻烦。 目前支持以下格式: Autodesk Forge SVF (三维) or F2D (二维) 3D Tiles (for Cesium) glTF/glb 更多格式持续增加中... 使用方法： 双击 BimAngle Browser 快捷方式运行, 在弹出的对话框中选中要预览的轻量化模型文件即可； 安装环境: Windows 7/8/10/Server 2012/Server 2016

轻量化模型之ShuffleNet v2 onnx 文件 用来学习模型架构

轻量化神经网络之mobilenet v2 v3 ONNX 文件 用来学习网络结构

1.3.3 高端化：国内乘用车高端化趋势明显，可减轻轻量化带来的价格焦虑  对于高性能和安全性的追求使得高端车型在汽车轻量化方面不惜代价，比如豪华品牌捷豹 已实现全铝车身。因轻量化材料价格普遍高于普通钢材，在中高端车型中应用尤为普遍。自主品 牌迈入中高端市场有望促使采取更加激进的轻量化策略。汽车整备质量每减少 100kg，0-100 km/h 加速性能提升 8%-10%；制动距离缩短 2-7m；采用高强度材料，在减轻车身重量的同时，还可 提高车身强度，提升车辆的安全性，降低车辆重心，提升车辆稳定性和操控性。 2017 年我国乘用车产量约 2472 万辆，按照每年 4%的增长率估算，

2012年以来，深度神经网络在计算机视觉、语音识别、自然语言处理、智慧 医疗等多个领域取得了优异的成果。这是卜数只偶，也是水到渠成。究其本质， 还是得益于三个基础的驱动，包括:大数据(充分标注)、大模型(参数量庞大) 和大计算(高性能计算)。正因为对这三个基础的严重依赖，也在一定程度上限 制了人工智能的进一步发展和普及。首先，大模型对大数据的过度依赖表现在其 在训练阶段必须在大量的标注充分的数据下训练，否则模型的准确率将大大降 低。很多新的应用场景的样本获取困难并且标注成本极高，因此不少学者开始 研究小样本学习方法，目的是当面对一个新的场景时，快速的从少量的有标记 样本中学会认识新的类别。其次，大模型对大计算的依赖表现在其无论在训练 和测试阶段均需要拥有大量存储空间和优异计算性能的硬件平台的加持。那么， 对于很多的存储和计算资源均极其有限的测试场景，比如移动端(智能手机，自 动驾驶汽车等)，离线监控设备(公共摄像头，汽车行车记录仪等)，现有的训练 好的大模型将会出现水土不服，无法顺利落地。于是，模型轻量化问题也被领域 内科研人员广泛关注。研究模型轻量化的目的是压缩模型参数量，使其在移动

pytorch 官方torchvision库中的squeezenet1_0，squeezenet1_1 的ONNX 文件。