Unity 环境为2017.2.0f3
VS版本是2017 社区版

Quantized Convolutional Neural Networks for Mobile Devices

摘要:

• 提出了量化 CNN，同时加速计算 和 压缩模型
• 同时量化卷积层的kernel 和 全连接层的参数。
• ILSVRC-12 上做实验，在1%的准确度损失下，得到了4-6x 加速比和15-20的压缩比

最近配置了 VSCODE 用来写blog ，毕竟有实时预览和数学公式的插件，但是在写论文翻译的时候，在VSCODE 下预览没问题的地方部署的时候确没有正确转义，于是想着怎么解决这个问题。

摘要

随着图片和视频数据的增长，哈希被大规模的使用在图片和视频的研究中。得益于深度学习，深度哈希方法(deep hasing methods)在图像检索中已经取得了不错的效果。
但是，之前的深度哈希方法有一些限制(如：语义信息没有充分利用)。在本paper中，我们提出了一个 深度监督离散哈希算法(Deep supervised discrete hashing)，跟据”学习到的二进制数据对于分类效果应该很好” 这个假设。
在同一个流框架中，同时使用 标签信息和分类信息作为一对数据来学习哈希代码。我们强制使最后一层直接输出二进制数据，之前很少有人做过这方面的深度哈希。因为哈希代码离散的天性，可以使用一个交替化最小方法来优化目标函数。实验表明，我们的方法比最先进的方法还要更好。

项目需要不联网安装 QT,Qwt ，于是就开始了折腾之旅。

SC-DCNN : ASPLOS 2017

Stochastic Computing (SC) :

PT-IS-CP-dense dataflow

以平面分割 - 固定输入(图像不动，过滤器的weights 流动) - 笛卡儿积 - 密集 数据流动

今天心血来潮想把断更两年多的blog 给捡起来，发现我以前折腾过的东西果然都忘记了。 包括markdown，octpress
这里还是简单说一下捡起来的过程吧。

E. Case of Computer Network