qq_34967034的博客

当我们拍一张风景图的时候，想要把这张风景图转成各种风格的图像，如果使用PS去做，可能需要经过一道道复杂的工序，但这里有了深度学习算法之后，就能够轻轻松松达到这种效果，只需要运行程序就好了。这里用到的就是风格迁移网络了。什么是风格迁移？风格迁移将一张图片的内容保留，同时将图像风格转移成另一张图片的风格，比如梵高风格。下面就是一些典型的例子，可以将原本的照片转换成梵高的画作风格，但是依旧保留着原本图片的主体内容。风格迁移历程风格迁移最开始是从A Neural Algorithm of Artistic

目前NLP最前沿的研究领域基本上已经被大型语言模型+迁移学习这一范式所垄断了。2017年6月，Google研究人员在Attention is all you need中提出了Transformer编码解码结构， 这一结构也成为了后续一系列工作的基石。2018年10月，基于Transformer，Google的研究人员发布了“全面超越人类”的BERT，一种融合了双向上下文信息预训练语言模型，该模型当时一举打破了11项纪录。从此之后，BERT的继任者们百花齐放，不断刷新各leaderboard最高成绩。现在，这

平时打比赛、做研究几乎很少会考虑到模型推断效率的问题，基本上大多数模型只要有GPU，模型的推断效率就不会差。但在公司业务中，应对工程场景时，就不得不考虑模型的运行效率和资源的开销了。并不是所有的模型都需要部署到GPU服务器上，不少深度学习模型还是会在CPU上运行，毕竟一块了Tesla GPU就得上万元起了，而CPU价格则很低。但是直接使用基于python的深度学习框架在CPU部署模型，模型运算效率较低。在追求低延时的场景下，这样的方式几乎不可取。那么在这种情况下ONNX就是一个大杀器了！什么是ONNX？