【2022-11-02】概率论是用于表示不确定性声明的数学框架。它不仅提供了量化不确定性的方法，也提供了用于导出新的不确定性声明（statement）的公理。概率论的知识在机器学习和深度学习领域都有广泛应用，是学习这两门学科的基础。

【2022-10-17】Net 网络类，主要提供网络结构和网络权重文件加载/解析接口:load_param 和 load_model。

【2022-10-15】以分类网络 shufflenetv2 为例，分析如何使用 ncnn 框架模型推理。源码在 ncnn/examples/shufflenetv2.cpp文件中，程序主要分为两个函数，分别是 detect_shufflenetv2() 和 print_topk()。

【2022-10-13】TensorRT 是 NVIDIA 官方推出的基于 CUDA 和 cudnn 的高性能深度学习推理加速引擎，能够使深度学习模型在 GPU 上进行低延迟、高吞吐量的部署。

【2022-10-11】ONNX 的本质只是一套开放的 ML 模型标准，模型文件存储的只是网络的拓扑结构和权重（其实每个深度学习框架最后保存的模型都是类似的），脱离开框架是没办法对模型直接进行 inference 的。

【2022-10-09】分析卷积层、线性层的参数量、计算量。

【2022-10-07】分析卷积层、线性层的参数量、计算量。

【2021-10-10】深度学习基础知识总结。

【2021-09-22】CSPNet 是作者 Chien-Yao Wang 于 2019 发表的论文 CSPNET:A NEW BACKBONE THAT CAN ENHANCE LEARNING CAPABILITY OF CNN。也是对 DenseNet 网络推理效率低的改进版本。

【2021-09-20】Youngwan Lee* 作者于 2019 年发表的论文 An Energy and GPU-Computation Efficient Backbone Network for Real-Time Object Detection. 是对 DenseNet 网络推理效率低的改进版本。