深度学习与CV教程(1) | 引言与知识基础
本文讲解了斯坦福大学 CS231n 课程的内容框架（深度学习 + 卷积神经网络 + 计算机视觉应用）和学习基础，帮助了解计算机视觉的历史和技术发展【对应 CS231n Lecture 1】
MxNet与Caffe模型之间转换的桥梁-Onnx
Open Neural Network Exchange (ONNX)为AI模型提供了一种开源的数据模型格式。它定义了一个可扩展的计算图模型，以及内置运算符和标准数据类型的定义。它可以作为各种AI模型之间进行转换的媒介，例如，市面上没有现成的Caffe模型到MxNet模型的转换工具，我们可以借助于ONNX，首先将Caffe转换为Onnx，然后再将Onnx转换为MxNet，更为神奇的是，这之间的转换过程不过丢失原有模型的精度。
TensorRT实战-基本框架
上篇博文4_TensorRT概况主要讲了Nvida TensorRT的编程API，本篇主要通过一个简单、完整的例子来讲解如何将一个Caffe模型(GoogleNet模型)通过TensorRT进行推理加速。