[Docs]: update doc's introduction

3-data_structure-algorithm/map/广度和深度优先搜索.md

@@ -32,7 +32,7 @@ public:
 }
 ```
 
-### 广度优先搜索（BFS）
+### 二，广度优先搜索（BFS）
 
 广度优先搜索（Breadth-First-Search），我们平常都简称 `BFS`。直观地讲，它其实就是一种“地毯式”层层推进的搜索策略，即先查找离起始顶点最近的，然后是次近的，依次往外搜索。
 

3-data_structure-algorithm/剑指offer题解c++版.md

@@ -66,8 +66,7 @@
 
 ## 前言
 
-本文是作者对《剑指 offer》书籍试题的补充，并给出了较为详细算法题解和 `C++` 代码实践。离线 `pdf` 版本最近更新时间为 `2021-10-9`，最新版本请参考`Github` [在线文档](https://github.com/HarleysZhang/2021_algorithm_intern_information/blob/master/3-data_structure-algorithm/%E5%89%91%E6%8C%87offer%E9%A2%98%E8%A7%A3c%2B%2B%E7%89%88.md)。
-> https://github.com/HarleysZhang/2021_algorithm_intern_information/blob/master/3-data_structure-algorithm/%E5%89%91%E6%8C%87offer%E9%A2%98%E8%A7%A3c%2B%2B%E7%89%88.md
+本文是作者对《剑指 offer》书籍试题的补充，并给出了较为详细算法题解和 `C++` 代码实践。离线 `pdf` 版本最近更新时间为 `2021-10-9`，最新版本请参考`Github` [在线文档](https://github.com/HarleysZhang/cv_note/blob/master/3-data_structure-algorithm/%E5%89%91%E6%8C%87offer%E9%A2%98%E8%A7%A3c%2B%2B%E7%89%88.md?spm=a2c6h.12873639.article-detail.71.6dd34c58DnHzLp&file=%E5%89%91%E6%8C%87offer%E9%A2%98%E8%A7%A3c%2B%2B%E7%89%88.md)。
 
 ## 一，常见数据结构
 

7-model_compression/轻量级网络论文解析/CSPNet论文详解.md

@@ -12,6 +12,8 @@
 - [6，代码解读](#6代码解读)
 - [参考资料](#参考资料)
 
+> 文章同步发于 [github](https://github.com/HarleysZhang/cv_note/blob/master/7-model_compression/)、[博客园](https://www.cnblogs.com/armcvai) 和 [知乎](https://www.zhihu.com/column/c_1359601708180529152)。最新版以 `github` 为主。如果看完文章有所收获，一定要先点赞后收藏。**毕竟，赠人玫瑰，手有余香**。
+
 ## 摘要
 > `CSPNet` 是作者 `Chien-Yao Wang` 于 `2019` 发表的论文 `CSPNET: A NEW BACKBONE THAT CAN ENHANCE LEARNING CAPABILITY OF CNN`。也是对 `DenseNet` 网络推理效率低的改进版本。
 

7-model_compression/轻量级网络论文解析/MobileNetv1论文详解.md

@@ -17,6 +17,8 @@
 - [后续改进-MobileDets](#后续改进-mobiledets)
 - [参考资料](#参考资料)
 
+> 文章同步发于 [github](https://github.com/HarleysZhang/cv_note/blob/master/7-model_compression/%E8%BD%BB%E9%87%8F%E7%BA%A7%E7%BD%91%E7%BB%9C%E8%AE%BA%E6%96%87%E8%A7%A3%E6%9E%90/MobileNetv1%E8%AE%BA%E6%96%87%E8%AF%A6%E8%A7%A3.md)、[博客园](https://www.cnblogs.com/armcvai/p/16793167.html) 和 [知乎](https://zhuanlan.zhihu.com/p/359524431)。最新版以 `github` 为主。如果看完文章有所收获，一定要先点赞后收藏。**毕竟，赠人玫瑰，手有余香**。
+
 > `MobileNet` 论文的主要贡献在于提出了一种**深度可分离卷积架构（DW+PW 卷积）**，先通过理论证明这种架构比常规的卷积计算成本（`Mult-Adds`）更小，然后通过分类、检测等多种实验证明模型的有效性。
 
 ## 1、相关工作

7-model_compression/轻量级网络论文解析/RepVGG论文详解.md

@@ -13,6 +13,8 @@
 - [RepVGG 的问题](#repvgg-的问题)
 - [参考资料](#参考资料)
 
+> 文章同步发于 [github](https://github.com/HarleysZhang/cv_note/blob/master/7-model_compression/)、[博客园](https://www.cnblogs.com/armcvai) 和 [知乎](https://www.zhihu.com/column/c_1359601708180529152)。最新版以 `github` 为主。如果看完文章有所收获，一定要先点赞后收藏。**毕竟，赠人玫瑰，手有余香**。
+
 > `RepVGG` 是截止到 2021.2.9 日为止最新的一个轻量级网络架构。在我的测试中，其在安霸 `CV22` 上的加速效果不如 `ShuffleNet v2`。根据作者的描述，`RepVGG` 是为 `GPU` 和专用硬件设计的高效模型，追求高速度、省内存，较少关注参数量和理论计算量。在低算力设备上，可能不如 `MobileNet` 和 `ShuffleNet` 系列适用。
 
 ## 背景知识

7-model_compression/轻量级网络论文解析/ShuffleNetv2论文详解.md

@@ -205,7 +205,7 @@ Table 7: Performance on COCO object detection. The input image size is 800 1200.
 
 我们建议对于轻量级网络设计应该考虑**直接** `metric`（例如速度 `speed`），而不是间接 `metric`（例如 `FLOPs`）。本文提出了实用的原则和一个新的网络架构-ShuffleNet v2。综合实验证了我们模型的有效性。我们希望本文的工作可以启发未来的网络架构设计可以更重视平台特性和实用性。
 > 这里的直接 `metric`，可以是inference time or latency，也可以是模型推理速度 `speed`，其意义都是一样的。
-> 
+
 ## 6，个人思考
 
 分析模型的推理性能得结合具体的推理平台（常见如：英伟达 `GPU`、移动端 `ARM CPU`、端侧 `NPU` 芯片等），目前已知影响**推理性能**的因素包括: 算子计算量 `FLOPs`（参数量 `Params`）、算子内存访问代价（访存带宽）。但相同硬件平台、相同网络架构条件下， `FLOPs` 加速比与推理时间加速比成正比。

7-model_compression/轻量级网络论文解析/VoVNet论文解读.md

@@ -11,6 +11,8 @@
 - [5，代码解读](#5代码解读)
 - [参考资料](#参考资料)
 
+> 文章同步发于 [github](https://github.com/HarleysZhang/cv_note/blob/master/7-model_compression/)、[博客园](https://www.cnblogs.com/armcvai) 和 [知乎](https://www.zhihu.com/column/c_1359601708180529152)。最新版以 `github` 为主。如果看完文章有所收获，一定要先点赞后收藏。**毕竟，赠人玫瑰，手有余香**。
+
 ## 摘要
 
 > `Youngwan Lee*` 作者于 `2019` 年发表的论文 An Energy and GPU-Computation Efficient Backbone Network for Real-Time Object Detection. 是对 `DenseNet` 网络推理效率低的改进版本。