chore: optimize doc

sarvex · Feb 20, 2023 · 5f24264 · 5f24264
1 parent c4c2c45
commit 5f24264
Show file tree

Hide file tree

Showing 2 changed files with 6 additions and 7 deletions.
diff --git a/5-deep_learning/经典backbone详解/ResNet网络详解.md b/5-deep_learning/经典backbone详解/ResNet网络详解.md
@@ -55,11 +55,7 @@ Residual Block（残差块）之间的衔接，在原论文中，$F(x)+x$ 是经
 
 ## 二，ResNet18 模型结构分析
 
-残差网络中，将堆叠的几层卷积 `layer` 称为残差块（`Residual Block`），多个相似的残差块串联构成 ResNet。
-
-ResNet18 和 ResNet34 Backbone用的都是两层的残差学习单元（`basic block`），更深层的ResNet则使用的是三层的残差学习单元（`bottle block`）。
-
-ResNet18 模型的卷积层数是 $18$ 层，对应的残差学习 `Blocks` 的单元数量分别为 2、2、2 和 2。
+残差网络中，将堆叠的几层卷积 `layer` 称为残差块（`Residual Block`），多个相似的残差块串联构成 ResNet。ResNet18 和 ResNet34 Backbone用的都是两层的残差学习单元（`basic block`），更深层的ResNet则使用的是三层的残差学习单元（`bottle block`）。
 
 ResNet18 其结构如下图所示。
 

diff --git a/cv算法工程师成长路线.md b/cv算法工程师成长路线.md
@@ -25,7 +25,7 @@
   - [6.5，语义分割文章](#65语义分割文章)
   - [6.6，3D 视觉技术文章](#663d-视觉技术文章)
   - [6.7，深度学习的评价指标文章](#67深度学习的评价指标文章)
-- [七，模型压缩与量化](#七模型压缩与量化)
+- [七，模型压缩](#七模型压缩)
   - [7.1，轻量级网络设计](#71轻量级网络设计)
   - [7.2，模型压缩文章](#72模型压缩文章)
   - [7.3，神经网络量化文章](#73神经网络量化文章)
@@ -221,7 +221,10 @@
 4. [PLASTER：一个与深度学习性能有关的框架](https://zhuanlan.zhihu.com/p/38315051)
 5. [The Correct Way to Measure Inference Time of Deep Neural Networks](https://towardsdatascience.com/the-correct-way-to-measure-inference-time-of-deep-neural-networks-304a54e5187f)
 
-## 七，模型压缩与量化
+## 七，模型压缩
+
+模型压缩与模型推理系统的知识，推荐看微软的[《人工智能系统》](https://microsoft.github.io/AI-System/)教程资料，写的很全且容易理解，个人觉得是个非常不错的教程。
+
 ### 7.1，轻量级网络设计
 
 1. [轻量卷积神经网络的设计](https://zhuanlan.zhihu.com/p/64400678 "轻量卷积神经网络的设计")