Paddle实践专栏

可变形卷积（Deformable Conv）理论讲解与代码实战（Paddle版本）对DCNv1和DCNv2论文中提出的主要思想进行讲解，并对其代码实现进行讲解。

轻量级Vision-Transformer：EdgeViTs复现 首次使基于Self-attention的视觉模型在准确性和设备效率之间的权衡中达到最佳轻量级CNN的性能。

Split to Be Slim: An Overlooked Redundancy in Vanilla Convolution 论文复现

模型参数EMA理论详解与实战（Paddle版本）使用EMA（指数移动平均）这个方法对模型的参数做平均，以求提高测试指标并增加模型鲁棒。

2022脑机接口算法挑战赛：脑纹识别比赛基线 方案分享提出了一种双分支网络，首先將脑纹信号进行离散小波变换，将脑纹信号拆解为两个函数，分别入对应的网络通路，

百度飞桨黑客马拉松第三期--Laplace分布算子开发经验分享，回顾API的开发过程，并总结不足与经验