主流深度学习框架框架发展历程Google - TensorFlowGoogle - KerasBVLC - Caffe/Caffe2Facebook - PyTorchDMLC - MXNet框架发展历程Google - TensorFlow优点（1）最流行的深度学习框架，社区强大（2）功能强大（3）在生产模型和可扩展性方面比较好，适合生产环境（4）使用 TensorBoard 可视化训练（5）通

处理遮挡和多尺度问题：在遮挡或多尺度人脸的情况下，注意力机制可以帮助模型聚焦于人脸的可见部分或关键特征（如眼睛、鼻子等）通道注意力（Channel Attention）：学习特征图中不同通道的权重，增强与人脸相关的特征通道。空间注意力（Spatial Attention）：学习特征图中不同空间位置的权重，增强人脸区域的特征。增强关键区域的特征：注意力机制能够动态调整特征图中不同区域的权重，使模型更

cuDNN 8.x - 1.x (December 2023 - August 2014) 对应 < 12版本。

主流深度学习框架框架发展历程Google - TensorFlowGoogle - KerasBVLC - Caffe/Caffe2Facebook - PyTorchDMLC - MXNet框架发展历程Google - TensorFlow优点（1）最流行的深度学习框架，社区强大（2）功能强大（3）在生产模型和可扩展性方面比较好，适合生产环境（4）使用 TensorBoard 可视化训练（5）通

芯片内模块的Crypto Engine是一个独立的硬件模块，可以与不同的处理器或芯片集成，具有更好的可扩展性和灵活性。组成结构上，eMMC存储芯片简化了存储器的设计，将Nand Flash芯片和控制芯片以MCP技术封装在一起，省去零组件耗用电路板的面积，同时提高手机或计算机厂商在设计新产品时的便利性。isp是对前端图像传感器输出的信号进行处理的单元，主要作用是线性纠正、噪声去除、坏点去除、AW

处理遮挡和多尺度问题：在遮挡或多尺度人脸的情况下，注意力机制可以帮助模型聚焦于人脸的可见部分或关键特征（如眼睛、鼻子等）通道注意力（Channel Attention）：学习特征图中不同通道的权重，增强与人脸相关的特征通道。空间注意力（Spatial Attention）：学习特征图中不同空间位置的权重，增强人脸区域的特征。增强关键区域的特征：注意力机制能够动态调整特征图中不同区域的权重，使模型更

挑战注意力机制的解决方案局部关键特征（如眼睛、嘴巴）空间注意力聚焦人脸局部区域多尺度人脸（大小差异）多尺度注意力或金字塔注意力遮挡问题动态抑制遮挡区域的权重背景干扰通道注意力增强人脸相关特征通道计算效率（实时性要求）稀疏注意力或局部窗口注意力。

处理遮挡和多尺度问题：在遮挡或多尺度人脸的情况下，注意力机制可以帮助模型聚焦于人脸的可见部分或关键特征（如眼睛、鼻子等）通道注意力（Channel Attention）：学习特征图中不同通道的权重，增强与人脸相关的特征通道。空间注意力（Spatial Attention）：学习特征图中不同空间位置的权重，增强人脸区域的特征。增强关键区域的特征：注意力机制能够动态调整特征图中不同区域的权重，使模型更

图像基础知识基础概念特征基础概念图像的频率：灰度值变化剧烈程度的指标，是灰度在平面空间上的梯度低频信息: 是轮廓, 就是灰度颜色缓慢地变化, 代表着那是连续渐变的一块区域.（1）对于一幅图像，是边缘以内的内容为低频，而边缘内的内容就是图像的大部分信息，即图像的大致概貌和轮廓，是图像的近似信息。高频信息: 是噪声和细节，就是频率变化快. 相邻区域之间灰度相差很大就是变化快，即高频显示图像边缘。（1）

制造工序工序简介硅片制造：IC设计芯片制造前道工序封装测试工序简介半导体制造分为4个工序：硅片制造–>IC设计–>芯片制造前道工序–>封装测试硅片制造：原料是石英矿石，主要成分是二氧化硅（SiO2）。主要壁垒：技术壁垒，认证壁垒，设备壁垒和资金壁垒。技术壁垒（1）尺寸大小，抛光片厚度，硅片的翘曲度，电阻率，弯曲度，表面金属残余量（2）最基本参数是纯度，是主要技术壁垒，先进制程的硅