往期文章总结

本打算将 CSDN 的博客，全部搬迁到这里，但是无法自动搬迁，需要我重新敲，最麻烦的可能是公式需要重新敲，因为CSDN的公式全部变成了 图片。这是我无法做到的。

后面我发现可以 直接写 markdown 就好了，不用考虑格式问题。

因此，本文只是整理下，往期我写的东西的链接。也算梳理一下觉得对我有点用的东西。

---

1. 深度学习核心概念和组件

1.1 图像分类和目标检测中的正负样本划分以及架构理解

1.2 锚框（anchor box）理解和代码实现

1.3 FPN：论文阅读

1.4 批量归一化和层归一化

2. 目标检测之YOLO

2.1 YOLO_V1:总结

2.2 YOLO_V2：论文阅读

2.3 YOLO_V2:总结

2.4 YOLO_V3：论文阅读

2.5 YOLO_V3:总结

2.6 YOLO_V4:论文阅读

2.7 YOLO_V4:第二篇：YOLO v4 架构以及网络详解

2.8 YOLO_V4:第三篇：更多细节

2.9 YOLO_V4:第四篇：总结

2.10 YOLO v5:训练自定义数据集

2.11 YOLO v5:v5.0-yolov5s网络架构详解(第一篇)

2.12 YOLO v5:5.0v-yaml 解析及模型构建(第二篇)

2.13 YOLO v5:5.0v-数据处理(第三篇)

2.14 YOLO v5:5.0v-损失函数(第四篇)

2.15 YOLO v5:v6.0-yolov5s网络架构详解(第一篇)

2.16 YOLO v5:v6.0-网络架构详解(第二篇)

2.17 YOLO v5:v6.0-P6 1280 Models(第三篇)

2.18 YOLO v5:训练最好结果的技巧

2.19 YOLO v5:yolov5s TensorRT部署准备之ONNX导出(第一篇)

2.20 YOLO v5:v6.1实践过程

2.21 YOLO v5:Multi-GPU 训练

2.22 YOLO v5:Test-Time Augmentation (TTA) 教程

2.23 PP-YOLO：论文阅读

2.24 博客阅读：Introduction to the YOLO Family

2.25 YOLOX:论文阅读

2.26 YOLOv7:论文阅读

3. 部署加速

3.1 目标检测预处理高性能实现

3.2 优化sigmoid

3.3 博客翻译：利用融合conv和bn的方法加速模型

3.4 优化小技巧-softmax

3.5 torchvision onnx 模型导出

3.6 Python、PyTorch和TensorRT技术栈

4. 人脸检测和识别

4.1 RetinaFace:论文阅读

4.2 ArcFace:论文阅读

5. 神经网络架构

5.1 Swin Transformer：论文阅读

5.2 Swin Transformer：细节详解1

5.3 Swin Transformer：细节详解2

5.4 Resnet 代码详解

5.5 轻量化模型：squeezenet

5.6 轻量化模型：mobilenet v2

5.7 轻量化模型：mobilenet v3

5.8 轻量化模型：ShuffleNet v2

5.9 Transformers are RNNs(linear transformer)：论文阅读

6. 目标检测之其他模型

6.1 CenterNet：论文阅读

7. 时间序列预测及异常检测

7.1 Autoformer 长时间序列预测：论文阅读

7.2 Anomaly-Transformer：论文阅读

7.3 Informer: 论文阅读

7.4 Are Transformers Effective for Time Series Forecasting?:论文阅读

7.5 Autoformer 代码详解之[1]数据预处理及数据读取

7.6 Autoformer 代码详解之[2]模型部件之时间序列分解

7.7 Autoformer 代码详解之[3]模型整体架构分析

7.8 Autoformer 代码详解之[4]自相关机制

7.9 ESRNN:论文阅读

7.10 Kaggle 时间序列教程

7.11 Anomaly-Transformer (ICLR 2022 Spotlight)复现过程及问题

7.12 Anomaly Detection for IoT Time-Series Data: A Survey: 论文阅读

7.13 【日志异常检测】DeepLog: Anomaly Detection and Diagnosis from System Logs through Deep Learning:论文阅读

7.14 【时间序列数据增强】Time Series Data Augmentation for Deep Learning: A Survey:论文阅读

8. python 基础知识

8.1 python 常用魔术方法-第一篇

8.2 python 迭代、可迭代对象、迭代器、for内部机制剖析、生成器

8.3 python 知识

9. C++

9.1 C++学习笔记

10. Pytorch

10.1 pytorch基础知识

10.2 AdaptiveAvgPool1D内部实现

11. 日常杂记

11.1 日常笔记

11.2 远程服务器(ubuntu20.04)+docker容器内jupyter远程使用