cs231n（13）

卷积神经网络工程实践技巧
我们可以通过多种手段提高卷积神经网络运算效率，构建轻量化模型。可以改进卷积层结构，可以改进卷积算法，加速矩阵运算，也可以压缩权重精度，剪枝，进而压缩模型，或者使用强大算力的硬件，并行分布式运算。集成电路、数据结构、数学算法、信号处理、分布式计算、嵌入式开发，可谓八仙过海。
扩展阅读：
im2col教材：https://leonardoaraujosantos.gitbooks.io/artificial-inteligence/content/making_faster.html
知乎，从信号系统角度，通俗讲解图像卷积的本质：https://zhuanlan.zhihu.com/p/28478034
知乎，caffe作者贾扬清亲自回答，在caffe中如何实现卷积：https://www.zhihu.com/question/28385679
可视化-图像是二维的信号：
https://www.echartsjs.com/examples/zh/editor.html?c=image-surface-sushuang&gl=1
https://www.echartsjs.com/examples/zh/editor.html?c=image-to-bar3d&gl=1
霍夫曼编码的理解：https://blog.csdn.net/xgf415/article/details/52628073
winograd加速卷积：https://www.cnblogs.com/shine-lee/p/10906535.html
陈云霁与DADIANNAO：https://www.bilibili.com/video/av24683679/
知乎，Roofline Model与深度学习模型的性能分析：https://zhuanlan.zhihu.com/p/34204282