#说明###EV_SDK的目标开发者专注于算法开发及优化，最小化业务层编码，即可快速部署到生产环境，共同打造商用级高质量算法。###极市平台做了哪些1.统一定义算法接口针对万千视频和图片分析算法，抽象出接口，定义在`include`目录下的`ji.h`文件中2.提供工具包比如cjson库，wkt库，在`3rd`目录下3.应用层服务此模块不在ev_sdk中，比如视频处理服务、算法对外通讯的http服

（1）Batch NormalizationYOLOv2中在每个卷积层后加Batch Normalization(BN)层，去掉dropout. BN层可以起到一定的正则化效果，能提升模型收敛速度，防止模型过拟合。YOLOv2通过使用BN层使得mAP提高了2%。

这篇文章强烈建议大家自己看一遍，里面有很详细的实验，还有作者提出的高效网络准则等等，非常好的一篇文章。ShuffleNetv2主要从模型的复杂度不能只看FLOPs，参数量的大小并不能完全反映推理速度的快慢讲起，然后提出了四条设计高效网络的准则，进而提出新的block设计ShuffleNetv2 block。

关于vit的网络详解建议去b站看我b站导师的视频这篇文章只讲述我看完视频和代码之后对ViT的理解，特别是代码中是怎么实现的网络结构。

自从2020年Vision Transformer的出现，计算机视觉领域就掀起了一股Transform热潮，但是随着越来越多的人了解并且应用它，就能发现ViT虽然强大，但是想要训练好ViT也是非常困难的。当前纯Transformer架构存在的一些问题：1）Transformer参数多，算力要求高2）Transformer缺少空间归纳偏置3）Transformer迁移到其他任务比较繁琐4）Trans