本系列的3篇文章以深度学习的模型搭建和训练过程为例，解释面向对象编程中22种设计模式的基本原理，并给出C++实现。第三篇介绍行为模式，包括责任链、命令、迭代器、中介者、备忘录、观察者、状态、策略、模板方法以及访问者。
标签： 深度学习
以深度学习为例理解22种设计模式（二）结构型模式
本系列的3篇文章以深度学习的模型搭建和训练过程为例，解释面向对象编程中22种设计模式的基本原理，并给出C++实现。第二篇介绍结构型模式，包括适配器、桥接、组合、装饰、外观、享元以及代理。
以深度学习为例理解22种设计模式（一）创建型模式
本系列的3篇文章以深度学习的模型搭建和训练过程为例，解释面向对象编程中22种设计模式的基本原理，并给出C++实现。第一篇介绍创建型模式，包括工厂方法、抽象工厂、生成器、原型以及单例。
从零搭建深度学习框架（二）用Python实现计算图和自动微分
作为系列文章的第二篇，我们会用Python实现一个计算图模型，并支持动态图和静态图两种接口，最后用计算图训练一个简单的线性拟合模型。
从零搭建深度学习框架（一）用NumPy实现GAN
这是一个长期更新的系列文章。此为第一篇，用NumPy实现一个简单的GAN模型，并结合目前的需求设想一下开发一个深度学习框架所需的关键组件。
图解Faster-RCNN的PyTorch实现
本文用图解的方式，分析Faster-RCNN的PyTorch实现，以便直观地了解各个模块之间的调用和依赖关系，以及对NMS和ROI Align的CUDA实现的解读。
Manjaro计算机视觉开发环境配置（Python/C++）
本文介绍在Manjaro 19.0环境下搭建计算机视觉开发环境的过程，包括Python, C/C++的环境配置，以及PyTorch, TensorFlow和OpenCV的安装
Ubuntu计算机视觉开发环境配置（Python/C++）
本文介绍在Ubuntu 18.04环境下搭建计算机视觉开发环境的过程，包括Python, C/C++的环境配置，PyTorch, TensorFlow和OpenCV的安装，以及VS Code配置等内容。
深度学习入门：几幅手稿讲解CNN
我把在组里介绍深度学习基础知识时画的几幅手稿分享出来，希望能对了解深度学习尤其是卷积神经网络（CNN）的知识起到一些帮助。
HanyNet – 卷积神经网络的初步实现
以C++借助OpenCV和RapidXML实现的卷积神经网络模型，基于经典的LeNet模型，能够达到一定的精度。