shufflenet v1主要提出了pointwise group convolution 和 channel shuffle 結構，在保持模型精度的前提下，進一步減小了網絡的計算量
自mobilenet v1出來後，對于小網絡模型，其主要結構就是1 × 1的卷積核，是以模型的計算量主要集中在 1 × 1 的卷積運算上，為了提升模型的推理
速度，需要進一步減少 1 × 1 的卷積核的個數，如果直接減少 1 × 1 的卷積層的通道數，會導緻模型精度損失嚴重。為了解決該問題，作者提出了 pointwise group convolution
結構，實際上就是對原始的 1 × 1 的layer，使用了分組卷積，在保留輸出通道數不變的情況下進一步減少了計算量。
但是分組卷積有其自身的缺點，每次卷積運算隻作用于相應組的輸入通道，如果堆疊多個分組卷積，則最終輸出中的特定通道特征圖隻來源于相應組的輸入通道，
進而削弱了網絡的表達能力，為了解決該問題，作者提出了 channel shuffle 操作。具體如下圖
針對上文中提出的pointwise group convolution 和 channel shuffle 結構，作者設計了新的ShuffleNet Unit，具體結構如下圖
其中g表示分組數，s表示通道數的縮放比例。
論文：https://arxiv.org/pdf/1707.01083v2.pdf