EfficientNetV2是谷歌团队于2021年提出的一种新型卷积神经网络，是EfficientNet的进一步优化和改进。与EfficientNet相比，EfficientNetV2在网络结构和训练方法上都有所改进，取得了更好的性能表现。

EfficientNet是一种基于自动缩放和神经网络结构搜索的新型卷积神经网络，它使用了一种新的方法来自动调整网络的深度、宽度和分辨率，以提高模型的精度和效率。EfficientNet在多个图像分类任务上都取得了当前最好的性能，成为了目前最

ResNeXt是由微软亚洲研究院提出的深度残差网络（ResNet）的改进版，是一种基于多分支卷积神经网络的深度学习模型。ResNeXt通过在每个残差块中使用一组并行的卷积分支来增加网络的宽度，从而提高了模型的性能。与ResNet的单一分支相

DenseNet是一种基于密集连接和深度网络的新型卷积神经网络，它通过将每一层的输出与前面所有层的输出连接在一起，从而增加网络的深度和宽度，提高模型的精度和鲁棒性。DenseNet在多个图像分类、目标检测等任务上都取得了不错的表现。

io

ResNet: 2015年 ResNet是由微软亚洲研究院的何恺明等人于2015年提出的深度学习模型。它采用了残差网络（Residual Network）的设计思想，允许网络直接学习残差映射，从而解决了深度神经网络训练时的梯度消失和梯度爆炸

NFNet（Normalizer-Free Networks）是由谷歌研究团队于2021年提出的一种深度卷积神经网络结构。与传统的神经网络不同，NFNet不需要使用批标准化（Batch Normalization）等归一化方法，而是使用通道

Inception 进化 参考链接： https://towardsdatascience.com/a-simple-guide-to-the-versions-of-the-inception-network-7fc52b863202 i

Some/IP 和 DOIP

对目录进行排序ls | awk -v FS="Capture-" '{print $2}'|sort -n -t "-" -k 1 ls | sort -n -t "-" -k 5 FS 表示 awk 分隔符 -n