shufflenet如何通过ncnn部署到Android

使用shufflenetv2改进yolov5，然后通过onnx，ncnn部署到安卓端，但是总是闪退和多框。请问是因为param文件里面有crop操作？类似于切片操作所以不支持么？但是我看yolov5lite里面也有crop操作。
请问是什么原因？该如何让解决呢？

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 这篇博客: 基于CNN的图像分类综述(包含小样本图像/零样本图像、细粒度图像分类)中的 1.7 ShuffleNet 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  

  
  图a是一般的group convolution的实现效果。 其造成的问题是，输出通道只和输入的某些通道有关，导致全局信息流通不畅，网络表达能力不足。

  图b就是本文的方法啦。 即通过均匀排列，把group convolution后的feature map按通道进行均匀混合， 这样就可以更好的获取全局信息了。 图c是操作后的等价效果图。

  参考链接：

  https://blog.csdn.net/shuzfan/article/details/77141425
• 以下回答来自chatgpt:

  作为AI语言模型，我没有具体的硬件和相关知识来解决这个问题，因此无法为您提供有效的解决方案。建议您向相关的技术论坛或社区寻求帮助，或者咨询专业的IT技术人员。同时，您可以提供更为详细的问题描述和相关信息，以便专业人员更好地理解问题和解决方案。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^

闪退和多框的问题可能不是由crop操作引起的，而是由其他原因引起的。可能是模型的输入输出格式不正确，或者是模型的参数设置不正确。

要解决这个问题，可以尝试以下几个步骤：

1.检查模型的输入输出格式是否正确。确保输入的图像大小和格式与模型的要求相符。

2.调整模型的参数设置。可以尝试调整模型的batch size、输入图像大小、激活函数等参数，看看是否能够解决问题。

3.尝试使用其他的模型部署工具。如果使用的onnx、ncnn等工具无法解决问题，可以尝试使用其他的模型部署工具，例如TensorFlow Lite、Core ML等。

4.查看日志文件。如果模型仍然无法正常运行，可以查看日志文件，查找错误信息，以便更好地定位问题。

总之，要解决模型闪退和多框的问题，需要仔细检查模型的输入输出格式、参数设置和部署工具，以及查看日志文件，找到问题所在，并进行相应的调整和优化。