• 模型压缩与加速进阶
• 拉丁美洲+

模型压缩与加速进阶

https://xmfbit.github.io/2018/02/24/paper-ssl-dnn/

论文-Learning Structured Sparsity in Deep Neural Networks

https://mp.weixin.qq.com/s/d6HFVbbHwkxPGdnbyVuMyQ

密歇根州立大学提出NestDNN：动态分配多任务资源的移动端深度学习框架

https://mp.weixin.qq.com/s/lUTusig94Htf7_4Z3X1fTQ

清华&伯克利ICLR论文：重新思考6大剪枝方法

https://mp.weixin.qq.com/s/g3y9mRhkFtzSuSMAornnDQ

韩松博士论文：面向深度学习的高效方法与硬件

https://mp.weixin.qq.com/s/aH1zQ7we8OE59-O9n4IXhw

应对未来物联网大潮：如何在内存有限的情况下部署深度学习？

https://mp.weixin.qq.com/s/GJ7JMtWiKBku7dVJWOfLOA

CNN能同时兼顾速度与准确度吗？CMU提出AdaScale

https://mp.weixin.qq.com/s/pmel2k2J159zQi87ib3q8A

如何让CNN高效地在移动端运行

https://mp.weixin.qq.com/s/m-wQRm3VpfQkEOoUAxEdoA

论文解读: Quantized Convolutional Neural Networks for Mobile Devices

https://mp.weixin.qq.com/s/w7O2JxDH2ECqPn50sLfxpg

不用重新训练，直接将现有模型转换为MobileNet

https://mp.weixin.qq.com/s/EW6jvf98ifBucVz74SfSIA

文档扫描：深度神经网络在移动端的实践

https://mp.weixin.qq.com/s/3oL0Bso3mwbsfaG8X5-xoA

英特尔提出新型压缩技术DeepThin，适合移动端设备深度神经网络

https://mp.weixin.qq.com/s/LGCGYSoMpPfojEi2WcmjnQ

TinyML：下一轮人工智能革命

https://mp.weixin.qq.com/s/B-OJ_oW_uJufqIfIZSA7Ww

专家从7个维度全面评测轻量级网络

https://mp.weixin.qq.com/s/UDUOIIyGJtXHdc3xcyfOIg

万字综述：用于深度神经网络加速的Shift操作

https://zhuanlan.zhihu.com/p/301162618

深度学习模型压缩与加速

https://mp.weixin.qq.com/s/Lv1JuwNohAsIAB1SKT7Lkg

深度卷积网络的剪枝和加速

https://mp.weixin.qq.com/s/VEnX3YKQ02mRg2qbqMbXcg

轻量级网络综述—主干网络篇

https://mp.weixin.qq.com/s/s9Bp3s-Ep3QPDpo1mmwgWw

模型压缩系列一：模型替换

https://mp.weixin.qq.com/s/CNaQbeLbN4J3CsUIMaezFw

模型压缩系列二：模型蒸馏

https://mp.weixin.qq.com/s/WVwB-ldc8Yoin6I_m6RT5g

CNN轻量化模型及其设计原则综述

https://mp.weixin.qq.com/s/IfvXrsUq8-cBDC4_3O5v_w

Facebook新研究优化硬件浮点运算，强化AI模型运行速率

https://mp.weixin.qq.com/s/Jsxiha_BFtWVLvO4HMwJ3Q

工业界第一手实战经验：深度学习高效网络结构设计

https://mp.weixin.qq.com/s/F0ykoKv027ycinsAZZjbWQ

ThunderNet：国防科大、旷视提出首个在ARM上实时运行的通用目标检测算法

https://mp.weixin.qq.com/s/J3ftOKDPBY5YYD4jkS5-aQ

ThunderNet：Two-stage形式的目标检测也可很快而且精度很高

https://mp.weixin.qq.com/s/p_qdKcQwQ8y_JUw3gQUEnA

谷歌大脑用强化学习为移动设备量身定做最好最快的CNN模型

https://mp.weixin.qq.com/s/OyEIcS5o6kWUu2UzuWZi3g

这么Deep且又轻量的Network，实时目标检测

https://mp.weixin.qq.com/s/8NDOf_8qxMMpcuXIZGJCGg

Google又发大招：高效实时实现视频目标检测

https://mp.weixin.qq.com/s/IxVMMu_7UL5zFsDCcYfzYA

AutoML自动模型压缩再升级，MIT韩松团队利用强化学习全面超越手工调参

https://mp.weixin.qq.com/s/BMsvhXytSy2nWIsGOSOSBQ

自动生成高效DNN，适用于边缘设备的生成合成工具FermiNets

https://mp.weixin.qq.com/s/nEMvoiqImd0RxrskIH7c9A

仅17KB、一万个权重的微型风格迁移网络！

https://mp.weixin.qq.com/s/pc8fJx5StxnX9it2AVU5NA

基于手机系统的实时目标检测

https://mp.weixin.qq.com/s/6wzmyhIvUVeAN4Xjfhb1Yw

论文解读：Channel pruning for Accelerating Very Deep Neural Networks

https://mp.weixin.qq.com/s/-X7NYTzOzljzOaQL7_jOkw

惊呆了！速度高达15000fps的人脸检测算法！

https://mp.weixin.qq.com/s/Faej1LKqurtwEIreUVJ0cw

普林斯顿新算法自动生成高性能神经网络，同时超高效压缩

https://mp.weixin.qq.com/s/uK-HasmiavM3jv6hNRY11A

深度梯度压缩：降低分布式训练的通信带宽

https://mp.weixin.qq.com/s/MDbbGzDOGHk5TBgbu-oA

中大商汤等提出深度网络加速新方法，具有强大兼容能力

https://mp.weixin.qq.com/s/gbOmpP7XO1Hz_ld4iSEsrw

三星提出移动端神经网络模型加速框架DeepRebirth

https://mp.weixin.qq.com/s/rTFLiZ7DCo6vzD5O64UnMQ

阿里提出新神经网络算法，压缩掉最后一个比特

https://mp.weixin.qq.com/s/m9I5TM9uJcgZvMusO667OA

5MB的神经网络也高效，Facebook新压缩算法造福嵌入式设备

https://mp.weixin.qq.com/s/FFs0-ROvbXSAIOspW_rMbw

超越MobileNetV3！谷歌大脑提出MixNet轻量级网络

https://mp.weixin.qq.com/s/uXbLb5ITHOU0dZRSWNobVg

算力限制场景下的目标检测实战浅谈

https://mp.weixin.qq.com/s/DoeoPGnS88HQmxagKJWLlg

小米开源FALSR算法：快速精确轻量级的超分辨率模型

https://mp.weixin.qq.com/s/wT39oUWfrQK-dg7hGXRynQ

实时单人姿态估计，在自己手机上就能实现

https://mp.weixin.qq.com/s/RVsXUnAJ2f0Cby7BPaWifA

人物属性模型移动端实验记录

https://mp.weixin.qq.com/s/yCcK6UJqm850HON7xU3R6g

模型压缩重要方向-动态模型，如何对其长期深入

https://zhuanlan.zhihu.com/p/93020471

轻量型网络：IdleBlock

https://mp.weixin.qq.com/s/AjuTXFmxHYdUUqodSpP_4w

10倍加速！爱奇艺超分辨模型加速实践

https://mp.weixin.qq.com/s/rzv8VCAxBQi0HsUcnLqqUA

处理移动端传感器时序数据的深度学习框架：DeepSense

https://mp.weixin.qq.com/s/UYk3YQmFW7-44RUojUqfGg

上交大ICCV：精度保证下的新型深度网络压缩框架

https://mp.weixin.qq.com/s/ZuEi32ZBSjruvtyUimBgxQ

揭秘支付宝中的深度学习引擎：xNN

https://mp.weixin.qq.com/s/0KlnQ8UUxpyhBRdeo0EOAA

用于网络压缩的滤波器级别剪枝算法ThiNet

https://mp.weixin.qq.com/s/FvR6loJ8KUxm7qwclestcQ

专门为卷积神经网络设计的训练方法：RePr

https://mp.weixin.qq.com/s/67GSnZnJySFrCESvmwhO9A

论文解读Channel pruning for Accelerating Very Deep Neural Networks

https://mp.weixin.qq.com/s/Lkxc_9sbRY157sMWaD5c7g

视频分割在移动端的算法进展综述

https://mp.weixin.qq.com/s/ie2O5BPT-QxTRhK3S0Oa0Q

剪枝需有的放矢，快手&罗切斯特大学提出基于能耗建模的模型压缩

拉丁美洲+

在2002年，互联网时代刚开始的时候，卡斯特罗就将电脑视为违禁品。大量二手、废弃的电脑进入了古巴黑市，古巴老百姓把这些走私来的电脑藏在家里。

开发商Alan Gross在哈瓦那、圣地亚哥和卡马圭的建立了三个地下 Wi-Fi 网络，这是古巴最早的互联网，总共接入了2000多用户，可以让他们聊聊天之类的。但是这一举动很快就被特务举报，惹的卡斯特罗龙颜大怒，导致开发商Alan Gross被捕入狱，最终处以15年的有期徒刑。

黑市商人们会开着小船来到一些荒无人烟的海岸线上，拉一大船硬盘，而这些硬盘里拷贝着互联网热点，最新的电视剧，音乐，电影，球赛转播之类的。这可是比贩毒还危险，一旦被古巴的官军抓到那就是视同谋反。古巴的老百姓看完电影 电视剧、球赛之后也会互相分享，交换着来看。

2015年时，古巴抓捕的民众数量居然足足高达1万人。2010年的时候他们也只抓2000人左右，短短5年人数翻了5倍。

小切格瓦拉说卡斯特罗是窃取了他们的革命故事，当年自己的祖父是为了老百姓的利益拿起了枪，在革命成功之后放弃了高官厚禄，又一次重新的加入拉丁美洲的雨林中打游击，因为他知道还有更多的人等待解放。然后他的爷爷战死在了玻利维亚的雨林中，结果换来的是卡斯特罗兄弟的荣华富贵。

Street Network起源于2001年左右，最初只是两个古巴年轻人为了继续一起玩局域网游戏，在两家阳台之间偷偷拉了一根网线。这个简单的举动开启了古巴最大规模的民间网络工程。

到2015年，这个网络已经横跨整个哈瓦那，从城市一端连接到另一端。2017年时，SNET已覆盖古巴全国多个城市，包括马坦萨斯、比那尔德里奥等，仅在哈瓦那就有超过9000台计算机连接，每天约有2000名活跃用户。

https://www.zhihu.com/answer/2007675570394247923

古巴人的生活水平已经达到什么程度了？

https://zhuanlan.zhihu.com/p/2009029834303611254

古巴故事的终章：“感觉就像电影结束了”

---

在阿兹特克国王投降后，在接下来的100多年里，阿兹特克国王就成为了西班牙在美洲最重要的打手。

1530年，墨西哥国王莫尔特奇乌赫钦随西班牙人远征特奥科瓦坎，讨伐奇奇梅卡人，屠杀10余万人，拓地数倍，国王在御驾亲征的时候被奇奇梅卡人的箭射中，不治身亡。

从1565年西帕克去世到1812年之间的这300年，墨西哥城的皇帝一直是阿兹特克人在担任。

当然，在半殖民地半封建时期，阿兹特克人不仅仅能当墨西哥城的皇帝，他也能当西班牙殖民区的总督。

蒙特祖玛的儿子佩德罗.蒙特祖玛还和西班牙王室通婚，获得了蒙特祖玛公爵的头衔，这一家族成员就经常担任过西班牙驻墨西哥殖民地的总督。

---

GAESA（Grupo de Administración Empresarial S.A.，企业管理集团）是古巴革命武装力量（FAR）控制的军事商业集团，成立于1990年代初期，最初目的是为军队提供不依赖国家预算的融资渠道。

普通古巴人月薪约16美元，许多退休人员仅靠5美元生活。而GAESA积累的财富超过巴拿马、乌拉圭等国的国际储备——超过180亿美元的流动资产+数不清的不动产。

经济学家估计，用GAESA的资金可建设12座现代化发电厂，彻底解决停电问题。

如果古巴军队的秘密战争基金不用于满足公众需求，那它的用途是什么？谁真正统治着古巴？

---

卢比奥：古巴并不会经济改革而放松对权力的管制，反而因为经济实力的增强而阻碍民主化。古巴人经济糟糕的时候借助美国渡过难关，经济恢复就进行国有化让美国蒙受损失。我们不想再陪你们玩游戏了。

巴蒂斯塔是种植园苦力出身，卡斯特罗家是当时古巴最大的种植园主。