你有沒有想過，手機上的影像模型為什麼可以跑得那麼省電？
你可以把移動網路想成，專門為行動裝置和邊緣設備設計的輕量卷積神經網路。 它重要在於，模型不只要準，還要夠小、夠快、夠省資源。
你可以把它想成一個把抽象概念拉回日常判斷的提示，先知道它解決什麼問題，再看技術細節。
容易混淆
移動網路 vs 一般卷積神經網路
移動網路：強調輕量化和低延遲。 一般卷積神經網路：常追求更高表現，參數也可能更多。 最關鍵的區別：前者是為裝置限制而生，後者更偏通用。
移動網路 vs 高效網路
移動網路：是一個具體家族。 高效網路：是更廣的效率導向設計概念。 最關鍵的區別：前者是代表作之一，後者是更大的類別。
記住這句就好
把大模型縮成手機也跑得動的版本。
實際案例
手機相機辨識
拍照時即時辨識場景、人物或物件，不必把影像丟到雲端，也能快速回應。
邊緣裝置檢測
工廠裡的相機設備直接跑模型，比傳輸到伺服器再回來更省延遲。
算法與應用
常見設計會用深度可分離卷積來減少計算量。 它適合邊緣人工智慧、行動 App 和即時影像任務。 在準確率和速度之間，移動網路通常會偏向速度和省電。
情境判斷
Q1（情境題）： 如果模型準確率高但太大，還算適合手機嗎？
→ 不算。移動端還要看延遲、記憶體和耗電，不只是看準確率。
Q2（情境題）： 如果你要在雲端做超高準確率辨識，還需要移動網路嗎？
→ 不一定。若資源不受限，可能會選更大的模型。移動網路的價值主要在資源受限環境。
常見問題
移動網路只能跑在手機上嗎？
不是。任何資源有限的設備，例如攝影機、IoT 或邊緣盒子，都可能用到。
它跟模型壓縮有關嗎？
有關，但不完全相同。移動網路本身就是輕量設計，模型壓縮則是另一種把模型變小的方法。
為什麼它常出現在電腦視覺題目？
因為行動裝置上的視覺任務很多，像拍照辨識、即時濾鏡和 AR。