FPGA 加速器：矩阵乘与 CNN
系统讲解 FPGA 加速器设计方法：算术强度与 roofline 分析、矩阵乘的分块与数据复用、脉动阵列结构、卷积的 im2col 与行缓冲实现、定点量化、三种数据流架构、HLS 实现 GEMM、片上存储层次与带宽匹配、性能建模，以及 FPGA 与 GPU 的取舍和部署集成。
tag
CNN
共 5 篇文章。
卷积网络与经典骨干架构
本文梳理卷积网络的核心概念与经典骨干架构，回答卷积核与感受野怎么算、参数量与 FLOPs 如何评估、ResNet 到 ConvNeXt 该怎么选等工程问题。覆盖输出尺寸公式、深度可分离卷积、残差连接、复合缩放、归一化与激活，并给出加载骨干统计参数量与手算 FLOPs 两段可运行 PyTorch 代码，附各骨干参数量与 ImageNet 指标对比表及权衡与常见坑。
计算机视觉入门实战：图像处理与 CNN 图像分类
从零实战计算机视觉：图像数据表示、OpenCV 预处理（缩放/归一化/增强）、CNN 图像分类（PyTorch CIFAR-10）、经典网络（ResNet）、目标检测/分割概览、迁移学习与部署。
深度学习进阶：CNN、RNN、正则化与训练调参实战
从 MLP 走向深度学习的进阶实战：CNN 卷积网络结构、RNN/LSTM 序列建模、Dropout/BatchNorm/数据增强正则化、优化器演进（SGD/Adam）、学习率调度、迁移学习，PyTorch 训练 CIFAR 全流程。
05. 卷积神经网络 CNN
CNN 卷积神经网络全解析：卷积/池化/全连接、经典网络 LeNet 到 EfficientNet、目标检测基础、数据增强与迁移学习