自己学习FCN的一些知识汇总（PPT，文字网址在其中），记录下来一来是总结知识，二来是和有需要的人一起交流，共同进步。

之前实现了基于win环境中的python的加速部署过程，现在将c++实现过程进行记录，这次记录会非常详细。总的来说只要整个过程的思路捋清楚，保证思路是正确的，做起工作来就比较有方向性，开始记录。

yolov5后处理大致分为四步：confidence过滤，NMS，预测框校准，结果可视化。首先需要对yoloV5的输出解析，认识清楚之后才能进行下一步。

tensorrt的粗知识

深度学习模型性能对比散点图，坐标是FLOPs和精度。散点的直径是模型参数量。可以按需调整

训练网络的时候遇到了这个问题，通过查资料和同学交流等方式，有了一点自己的思考，和大家分享。

CNN和transformers的结合作品，cnn对局部细节更敏感，二transformers具有全局依赖性，将二者结合起来，达到优劣势互补。

本文主要提出了一种基于条件位置编码（CPE）的PEG，PEG相对比目前所存在的解决位置编码的方案可以使得TF（transformer）更灵活更泛化，并且在保证平移不变性的情况下减少了计算量，可以即插即用的加入到现有的深度学习框架中。作者将VIT做了两种改动，一种是只去掉了绝对位置编码，称之为CPVT，另一种是去掉了绝对位置编码和Cls_token，加入GAP来代替Cls_token的作用，称之为C

深度学习模型性能对比散点图，坐标是FLOPs和精度。散点的直径是模型参数量。可以按需调整

扩散模型应用到语义分割的一篇文章，其中穿插了生成模型的简单介绍。