该项目现已更名为 Paddle-Lite
Mobile-deep-learning （MDL）是百度研发的移动端深度学习框架，致力于让卷积神经网络极度简单的部署在手机端。目前正在手机百度内运行。支持 iOS gpu 计算。体积小，速度快。
-
体积 armv7 340k+
-
速度 iOS GPU mobilenet 可以达到 40ms、squeezenet 可以达到 30ms
功能特性
-
一键部署，脚本参数就可以切换 ios 或者 android
-
支持 iOS gpu 运行 MobileNet、squeezenet 模型
-
已经测试过可以稳定运行 MobileNet、GoogLeNet v1、squeezenet 模型
-
体积极小，无任何第三方依赖。纯手工打造。
-
提供量化脚本，对 32 位 float 转 8 位 uint 直接支持，模型体积量化后4M上下
-
与 ARM 相关算法团队线上线下多次沟通，针对 ARM 平台会持续优化
-
NEON 使用涵盖了卷积、归一化、池化所有方面的操作
-
汇编优化，针对寄存器汇编操作具体优化
-
loop unrolling 循环展开，为提升性能减少不必要的 CPU 消耗，全部展开判断操作
-
将大量繁重的计算任务前置到 overhead 过程
Getting Started
-
Free and open source mobile deep learning framework, deploying by Baidu. This research aims at simply deploying CNN on mobile devices, with low complexity and high speed. It supports calculation on iO
-
Free and open source mobile deep learning framework, deploying by Baidu. This research aims at simply deploying CNN on mobile devices, with low complexity and high speed. It supports calculation on iO
-
搭建DQN 初始化 #动作数量 self.n_actions #状态数量 self.n_features #learning_rate学习速率 self.lr #Q-learning中reward衰减因子 self.gamma #e-greedy的选择概率最大值 self.epsilon_max #更新Q现实网络参数的步骤数 self.replace_target_iter #存储记忆的数量
-
本文向大家介绍用过哪些移动端深度学习框架？相关面试题，主要包含被问及用过哪些移动端深度学习框架？时的应答技巧和注意事项，需要的朋友参考一下 参考回答： 开源的有：小米的MACE，骁龙的SNPE，腾讯的FeatherCNN和ncnn，百度的mobile-deep-learning(MDL)；caffe、tensorflow lite都有移动端，只是可能没有上面的框架效率高。据传还有支付宝的xNN，商
-
我太菜了，C++需要恶补才行，面试完基本上就知道自己寄，面试官特别好给我说了很多，也让我充分认识到自己的不足 如果是项目的话，会问你项目背景以及项目最终的实现结果等等 如果是自己学习的项目的话，会问你对这个项目的学习心得 最后问对C++对掌握程度 实现vector
-
5.8 二面 简单自我介绍 先问了下adam优化器的算法公式，有点忘了 糊弄了一下😢 然后让我详细介绍项目 扯了10min 让我讲一些数学求导原理（项目相关） 扯下一个项目 场景优化题 attention块中可以优化哪些地方 qkv 矩阵乘优化，kvcache引入后，qkT变成gemm和gemv两种优化 softmax似乎也有优化手段，但我答错了 面试官让我回去看看flash attention
-
本书将全面介绍深度学习从模型构造到模型训练的方方面面，以及它们在计算机视觉和自然语言处理中的应用。
-
本书将全面介绍深度学习从模型构造到模型训练的方方面面，以及它们在计算机视觉和自然语言处理中的应用。Github 地址：https://github.com/d2l-ai/d2l-zh
-
主要内容 课程列表 专项课程学习 辅助课程 论文专区 课程列表 课程 机构 参考书 Notes等其他资料 卷积神经网络视觉识别 Stanford 暂无 链接 神经网络 Tweet 暂无 链接 深度学习用于自然语言处理 Stanford 暂无 链接 自然语言处理 Speech and Language Processing 链接 专项课程学习 下述的课程都是公认的最好的在线学习资料，侧重点不同，但推