猛猿

今天给小伙伴介绍一个轻量化的卷积神经网络——ShuffleNet V1，它特别设计用于在资源受限的设备上进行高效的图像分类任务，采用了一些创新设计来减少模型计算量和参数量，广泛应用在人脸解锁、短视频、

Hello，大家好，祝JYM中秋快乐，阖家团圆。节前最后一篇，陪你走到最后一刻。🥗🥗🥗本节将为大家介绍GPT和BERT的原理，一起来学学叭。🍚🍚🍚

近年来，随着Transformer、MOE架构的提出，使得深度学习模型轻松突破上万亿规模参数，传统的单机单卡

上期介绍了知识蒸馏的核心原理，一句话概括——将教师模型的知识通过soft targets传递给学生模型。今天就来实战一下，看看教师模型、学生模型是怎样用代码构建的，学习如何用知识蒸馏提高学生模型的性能

NLP的内容很多，你如果在网上搜NLP学习路线的话你会看的眼花缭乱，本系列主要会介绍一些重要的知识点，一些老模型就不介绍了，感觉用处不大，我们的目标是向经典模型看齐，如GPT系列，BERT家族等等。

上期给小伙伴讲解了多目标追踪DeepSort算法的基本原理与工作流程。但读万卷书也要走万里路，只懂书本上的原理是万万不够滴，所以本期就带来了DeepSort的代码讲解，包括如何训练自己的特征提取网络用

在CV大模型系列中，我们介绍了扩散模型的运作原理介绍了Transformer架构下做CV任务的方法，也介绍了多模态大模型CLIP。有了这么多的前置知识，今天，我们终于可以来一探文生图模型的奥秘了。

在前面两节，我为大家介绍了如何将pytocrh模型转换成ONNX格式，进而提高深度学习模型部署速度， 在评论区有小伙伴们问，如何进行服务化，那么今天就为大家介绍介绍通过Flask来实现服务化。

七夕来了，让我看看不发文章的都在干嘛🎀🎀🎀🎀🎀🎀🎀🎀🎀我猜.......不可能是...... 今天继续为大家带来深度学习模型部署篇——从0部署深度学习分类模型