<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[asonle的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/asonle</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; asonle]]></copyright><item><title><![CDATA[深度可分离卷积（Xception 与 MobileNet 的点滴）]]></title><link>https://blog.youkuaiyun.com/asonle/article/details/81606537</link><guid>https://blog.youkuaiyun.com/asonle/article/details/81606537</guid><author>asonle</author><pubDate>Sun, 12 Aug 2018 14:59:34 +0800</pubDate><description><![CDATA[https://www.jianshu.com/p/38dc74d12fcf]]></description><category></category></item><item><title><![CDATA[小米开源框架MACE  源码阅读笔记 1]]></title><link>https://blog.youkuaiyun.com/asonle/article/details/80945349</link><guid>https://blog.youkuaiyun.com/asonle/article/details/80945349</guid><author>asonle</author><pubDate>Fri, 06 Jul 2018 19:15:56 +0800</pubDate><description><![CDATA[转载自 https://www.jianshu.com/p/7061fd67d419前扯在前不久的某高峰论坛上，小米开源了其移动端的深度学习框架Mobile AI Compute Engine（MACE）。这对于很多致力于嵌入式端优化的人来说，无疑是巨大的惊喜（新坑出现，在 NCNN、TVM、TensorLite 的坑里不断徘徊的人表示泪目...）。要掌握并使用一个框架，不单单能够跑通 demo，...]]></description><category></category></item><item><title><![CDATA[小米开源框架MACE 如何构建和使用]]></title><link>https://blog.youkuaiyun.com/asonle/article/details/80880177</link><guid>https://blog.youkuaiyun.com/asonle/article/details/80880177</guid><author>asonle</author><pubDate>Mon, 02 Jul 2018 09:30:32 +0800</pubDate><description><![CDATA[转载自https://www.jianshu.com/p/3be518027ac2文章内容翻译自 MACE 官方手册，记录本人阅读与开发过程，力求不失原意，但推荐阅读原文。https://media.readthedocs.org/pdf/mace/latest/mace.pdfGithub地址：https://github.com/xiaomi/mace声明：如有侵权，请联系作者删除如何构建支持...]]></description><category></category></item><item><title><![CDATA[小米开源框架MACE 创建模型部署文件]]></title><link>https://blog.youkuaiyun.com/asonle/article/details/80869530</link><guid>https://blog.youkuaiyun.com/asonle/article/details/80869530</guid><author>asonle</author><pubDate>Sat, 30 Jun 2018 19:57:07 +0800</pubDate><description><![CDATA[转载自https://www.jianshu.com/p/823f7d7eaf58文章内容翻译自 MACE 官方手册，记录本人阅读与开发过程，力求不失原意，但推荐阅读原文。https://media.readthedocs.org/pdf/mace/latest/mace.pdfGithub地址：https://github.com/xiaomi/mace声明：如有侵权，请联系作者删除创建模型部署...]]></description><category></category></item><item><title><![CDATA[小米开源框架MACE 简介]]></title><link>https://blog.youkuaiyun.com/asonle/article/details/80869518</link><guid>https://blog.youkuaiyun.com/asonle/article/details/80869518</guid><author>asonle</author><pubDate>Sat, 30 Jun 2018 19:54:02 +0800</pubDate><description><![CDATA[转载自 https://www.jianshu.com/p/2ab68779d05b前言MACE 是小米公司自研的移动端深度学习框架 Mobile AI Compute Engine，2017年12月15日于公司内部正式发布。2018年6月28日，在“2018（第十三届）开源中国开源世界高峰论坛”上，小米公司人工智能与云平台副总裁崔宝秋博士宣布开源 MACE，赋能中国 AI 产业，以期推动移动端深...]]></description><category></category></item><item><title><![CDATA[ROI Pooling的相关理解及Fast R-CNN与R-CNN的简单对比]]></title><link>https://blog.youkuaiyun.com/asonle/article/details/80858485</link><guid>https://blog.youkuaiyun.com/asonle/article/details/80858485</guid><author>asonle</author><pubDate>Fri, 29 Jun 2018 16:17:19 +0800</pubDate><description><![CDATA[ROI Pooling介绍ROI Pooling是Pooling的一种。在CNN中，Pooling层的作用主要有两个：引入invariance，包括translation-invariance，rotation-invariance，scale-invariance。完成feature map的聚合，实现数据降维，防止过拟合。ROI Pooling将不同输入尺寸的feature map（ROI）通...]]></description><category></category></item><item><title><![CDATA[SPP-net中的spatial pyramid pooling]]></title><link>https://blog.youkuaiyun.com/asonle/article/details/80828998</link><guid>https://blog.youkuaiyun.com/asonle/article/details/80828998</guid><author>asonle</author><pubDate>Wed, 27 Jun 2018 14:43:31 +0800</pubDate><description><![CDATA[本篇主要简述SPP中的spatial pyramid pooling，力求简单明了，一看就懂。论文地址：[1406.4729] Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognitiospp提出的初衷是为了解决CNN对输入图片尺寸的限制。由于全连接层的存在，与之相连的最后一个卷积层的输出特征需要固定尺寸...]]></description><category></category></item></channel></rss>