本仓库项目是个人总结的计算机视觉和大语言模型学习笔记，包含深度学习基础知识、神经网络基础部件详解、深度学习炼丹策略、深度学习模型压缩算法、深度学习推理框架代码解析及动手实战。
LLM 基础及推理优化的专栏笔记请参考llm_note仓库。
1，神经网络基础部件：
2，深度学习基础：
1，卷积神经网络的经典 backbone：
2，轻量级网络详解：
1，模型推理部署：
2，ncnn 框架源码解析：
3，异构计算
- 移动端异构计算：
neon编程 - GPU 端异构计算：
cuda编程，比如gemm算法解析与优化
1，推荐几个比较好的深度学习模型压缩与加速的仓库和课程资料：
- 神经网络基本原理教程
- AI-System: 深度学习系统，主要从底层方向讲解深度学习系统等原理、加速方法、矩阵成乘加计算等。
- pytorch-deep-learning：很好的 pytorch 深度学习教程。
2，一些笔记好的博客链接：
- The Illustrated Transformer: 国内比较好的博客大都参考这篇文章。
- C++ 并发编程（从C++11到C++17）: 不错的 C++ 并发编程教程。
- What are Diffusion Models?
- annotated_deep_learning_paper_implementations
3，最后，持续高质量创作不易，有 5 秒空闲时间的，可以扫码关注我的公众号-嵌入式视觉，记录 CV 算法工程师成长之路，分享技术总结、读书笔记和个人感悟。
公众号不会写标题党文章，也不输出给大家带来的焦虑的内容！
4，Star History Chart：