لتحسين قدرة الشبكات الخفيفة على التمييز والعمومية في مجال التعرف على الوجه، نقترح شبكة متعددة المجموعات المتغيرة كفاءة تسمى VarGFaceNet. تم تقديم متعدد المجموعات المتغيرة من قبل VarGNet لحل النزاع بين الكلفة الحسابية الصغيرة وعدم توازن شدة الحساب داخل الكتلة. نستخدم متعدد المجموعات المتغيرة لتصميم شبكتنا التي يمكنها دعم التعرف على الوجوه بحجم كبير مع تقليل الكلفة الحسابية والمعلمات. تحديداً، نستخدم إعداد الرأس لحفظ المعلومات الأساسية في بداية الشبكة ونقترح إعداداً خاصاً للدمج لتقليل معلمات الطبقة المتصلة بالكامل للدمج. لتعزيز قدرة التفسير، نستعمل مكافئ خسارة التقطير الزاوي لإرشاد شبكتنا الخفيفة ونطبق التقطير المعرفي المتكرر لتخفيف الاختلاف بين نموذج المعلم ونموذج الطالب. يثبت الفائز بمسار deepglint-light من تحدي LFR (2019) فعالية نموذجنا ومنهجيتنا. سيتم إطلاق تنفيذ VarGFaceNet قريباً على https://github.com/zma-c-137/VarGFaceNet.