1. 基础理论
1.1 优化算法
从 SGD 到 Adam —— 深度学习优化算法概览(一)
介绍了各个优化算法的公式发展
一个框架看懂优化算法之异同 SGD/AdaGrad/Adam
介绍各个优化算法的公式,讲的更好一点,但公式不如1.1.1准确
Adam那么棒,为什么还对SGD念念不忘 (3)—— 优化算法的选择与使用策略
讲了优化算法的问题,和作者的一些trick
2. 检测算法
2.1 anchor- free
2.1.1 FCOS: one-stage逐像素目标检测算法
3. pytorch移动端部署
3.1 ONNX
将模型从pytorch导出到 ONNX 并使用ONNX Runtime运行它
官方示例,几个简单的小教程
TORCH.ONNX
官方详细教程,提示可能遇到的坑和解决方案
Pytorch转ONNX-理论篇
pytorch转onnx的概论,说明可能存在的问题
Pytorch转ONNX-实战篇1(tracing机制)
介绍ONNX的工作原理,trace
Pytorch转ONNX-实战篇2(实战踩坑总结)
作者介绍了几个他踩过的坑