安装cupy的python模块，并且有介绍一些版本问题

组卷积和深度可分离卷积

膨胀卷积（Dilated convolutions）（又成空洞卷积、扩张卷积）和HDC设计膨胀卷积的规则分享

总结了常用的优化器（SGD、Adagrad、Adadelta、RMSprop、Adam、Adamax、Nadam等等。），其中包括梯度下降法、动量优化法和自适应学习率优化算法三种，分别从原理、公式、优缺点以及pytorch及tensorflow2的官方代码展示这几个方面进行演示，最后可视化对比了各个优化器之间的效果以及如何选择优化器。

关于Github上传的一下功能知识分享

检测精度指标：IoU、TP、TN、FP、FN、查准率、查全率、F1-Score、ROC曲线、P-R曲线、AP、mAP以及MS COCO评价指标和PASCAL VOC的评价指标的理解；检测速度指标：FPS、FLOPS和FLOPs

本文章从整理了计算机视觉常用的损失函数，分别从出处、原理、优缺点和代码实现几个方面进行编写。

从内存分配到最后系统的安装，详细介绍了双系统中Ubuntu的整个安装过程，以及在每一个步骤会遇到的问题。

卷积总结篇（普通卷积、转置卷积、膨胀卷积、分组卷积和深度可分离卷积），分别从概念、背景、原理、参数量、计算量、感受野、各种卷积的优点以及在网络的应用展开讲解。

本文章总结了梯度消失与梯度爆炸产生、原理和解决方案。