141、轻量化超分网络设计：MobileSR与高效推理的实践去年帮一个移动端团队做实时超分，对方要求模型在骁龙865上跑1080P到4K，延迟不能超过30ms。我一开始信心满满，直接把EDSR砍到只剩4个残差块，结果一测，好家伙，单帧跑了120ms，还发热。后来跟硬件组的人聊，才知道问题出在“理论计算量”和“实际推理速度”之间的鸿沟——你算的FLOPs再低，内存访问模式不对，照样卡死。今天这篇笔记，就聊聊怎么从MobileSR这个经典案例出发，把轻量化超分网络真正落地到移动端。代码我会贴出关键部分，注释里写的都是踩过的坑。从“算得少”到“跑得快”的认知转变很多人做轻量化超分，第一反应就是砍通道数、减少层数。但实际调试时你会发现，同样FLOPs的网络，MobileNetV3风格的架构比普通残差网络快一倍。原因在于：内存带宽才是移动端的瓶颈。举个例子，一个3x3卷积，如果输入输出通道都是64，计算量是646433=36,864次乘加。但如果你换成深度可分离卷积，先做3x3 depthwise（6433=576），再做1x1 pointwise（6464=4096），总计算量4672，只有原来的12.7%。更重要的是，depthwise卷积的访存模式非常友好——它一次只处理一个通道，不需要频繁地从DDR搬数据。MobileSR的核心思路就是把这个思想用到超分上。它把SRResNet里的标准残差块全部替换成“倒置残差块”（Inverted Re