本仓库项目是个人总结的计算机视觉和大语言模型学习笔记,包含深度学习基础知识、神经网络基础部件详解、深度学习炼丹策略、深度学习模型压缩算法、深度学习推理框架代码解析及动手实战。
LLM 基础及推理优化的专栏笔记请参考llm_note仓库。
1,神经网络基础部件:
2,深度学习基础:
1,卷积神经网络的经典 backbone:
2,轻量级网络详解:
1,模型推理部署:
2,ncnn 框架源码解析:
3,异构计算
- 移动端异构计算:
neon编程 - GPU 端异构计算:
cuda编程,比如gemm算法解析与优化
1,推荐几个比较好的深度学习模型压缩与加速的仓库和课程资料:
- 神经网络基本原理教程
- AI-System: 深度学习系统,主要从底层方向讲解深度学习系统等原理、加速方法、矩阵成乘加计算等。
- pytorch-deep-learning:很好的 pytorch 深度学习教程。
2,一些笔记好的博客链接:
- The Illustrated Transformer: 国内比较好的博客大都参考这篇文章。
- C++ 并发编程(从C++11到C++17): 不错的 C++ 并发编程教程。
- What are Diffusion Models?
- annotated_deep_learning_paper_implementations
3,最后,持续高质量创作不易,有 5 秒空闲时间的,可以扫码关注我的公众号-嵌入式视觉,记录 CV 算法工程师成长之路,分享技术总结、读书笔记和个人感悟。
公众号不会写标题党文章,也不输出给大家带来的焦虑的内容!
4,Star History Chart: