+-- ShuffleNetV2
  +-- Readme.md     # ShuffleNetV2的相关说明
  +-- scripts
    +--run_distribute_train_for_ascebd.sh   # 在Ascend上运行shell脚本进行分布式训练
    +--run_distribute_train_for_gpu.sh      # 在GPU上运行shell脚本进行分布式训练
    +--run_eval_for_ascend.sh               # 在Ascend上评估shell脚本
    +--run_eval_for_gpu.sh                  # 在GPU上评估shell脚本
    +--run_standalone_train_for_gpu.sh      # 在GPU上评估shell脚本
  +-- src
    +--config.py                            # 参数配置
    +--CrossEntropySmooth.py                # GPU训练的损失函数
    +--dataset.py                           # 创建数据集
    +--loss.py                              # 网络的损失函数
    +--lr_generator.py                      # 设置学习率
    +--shufflenetv2.py                      # ShuffleNetV2网络
  +-- cpu_transfer.py                       # 转换脚本
  +-- dataset_split.py                      # 拆分数据集用于转换脚本
  +-- quick_start.py                        # 快速启动脚本
  +-- train.py                              # 训练脚本
  +-- eval.py                               # 评估脚本

# 训练示例
  python：
      GPU: mpirun --allow-run-as-root -n 8 --output-filename log_output --merge-stderr-to-stdout python train.py --is_distributed=True --platform='GPU' --dataset_path='~/imagenet' > train.log 2>&1 &
      CPU: python cpu_transfer.py --checkpoint_input_path ./input_ckpt/shufflenetv2_top1acc69.63_top5acc88.72.ckpt --checkpoint_save_path ./save_ckpt/Graph_mode --train_dataset ./data/flower_photos_split/train --use_pynative_mode False --platform CPU
  shell:
      GPU: cd scripts & sh run_distribute_train_for_gpu.sh 8 0,1,2,3,4,5,6,7 ~/imagenet

# 推理示例
  python：
      Ascend: python eval.py --platform='Ascend' --dataset_path='~/imagenet' --checkpoint='checkpoint_file' > eval.log 2>&1 &
      GPU: CUDA_VISIBLE_DEVICES=0 python eval.py --platform='GPU' --dataset_path='~/imagenet/val/' --checkpoint='checkpoint_file'> eval.log 2>&1 &
      CPU: python eval.py --dataset_path ./data/flower_photos_split/eval --checkpoint_dir ./save_ckpt/Graph_mode --platform CPU --checkpoint ./save_ckpt/Graph_mode/shufflenetv2_1-154_18.ckpt --enable_checkpoint_dir True --use_pynative_mode False
  shell：
      Ascend: cd scripts & sh run_eval_for_ascend.sh '~/imagenet' 'checkpoint_file'
      GPU: cd scripts & sh run_eval_for_gpu.sh '~/imagenet' 'checkpoint_file'

python export.py --device_target [PLATFORM] --ckpt_file [CKPT_FILE] --file_format [FILE_FORMAT] --file_name [OUTPUT_FILE_BASE_NAME]

# Ascend 310推理
bash run_infer_310.sh [MINDIR_PATH] [DATASET_NAME] [DATASET_PATH] [NEED_PREPROCESS] [DEVICE_ID]

# 在CPU上进行推理
python eval.py --dataset_path [eval dataset] --checkpoint_dir [ckpt dir for eavl ] --platform [CPU] --checkpoint [ckpt path for eval] --enable_checkpoint_dir [True/False]--use_pynative_mode [True/False]