对深度学习模型的理解贯穿整个项目的研发周期，目前模型的发展也从精度优先到速度优先，从结构优化到平台，系统优化，开始关注安全性，可拓展性等问题，那么如何系统性地掌握这些知识呢？下面汇总我们公众号的相关资料。
作者&编辑 | 言有三
1. 深度学习之模型设计
大家应该还记得有三在今年6月份出版的新书《深度学习之模型设计》吧，这是一本讲述深度学习模型设计核心算法的书籍，同时配套有大量实战案例，书籍介绍链接如下。
言有三新书来袭！业界首次深入全面讲解深度学习模型设计
【通知】《深度学习之模型设计》核心代码开源，购书特惠中!
【通知】深度学习之模型设计书籍勘误汇总！附赠资源和代码开源问题
全书共计14章，目录如下：
第1章 神经网络和计算机视觉基础
第2章 深度学习的基础
第3章 数据集、评测指标与优化目标
第4章 加深网络，提升模型性能
第5章 1×1卷积，通道维度升降的利器
第6章 加宽网络，提升模型性能
第7章 残差连接，深层网络收敛的关键
第8章 分组卷积与卷积拆分，移动端高效率经典模型
第9章 多尺度网络与非正常卷积，更丰富的感受野与不变性
第10章 多输入网络，图像检索和排序的基准模型
第11章 时序神经网络，有记忆的网络更聪明
第12章 卷积从二维变成三维，实现升维打击
第13章 动态推理与注意力机制，网络因样本而异
第14章 生成对抗网络
大家可以在网上搜索购买，也可以去我们微信官方小店购买签名版，还送学习扑克牌噢！
另外，今日留言点赞，数量最多者送两本，今日22:00之前兑现，加油。
2. 公开直播
有三为本书做过4场直播，分别是《深度卷积神经网络模型设计技术》，《如何设计性能更强的CNN结构》，《如何设计更加高效的CNN结构》，《如何学会深度学习模型设计和优化》。
《深度卷积神经网络模型设计技术》，内容主要就是介绍各种各样的模型结构，分了10多个方向，与本书内容高度相关。
《如何设计性能更强的CNN结构》从模型的宽度、深度、卷积核和步长的大小，Dropout和BN层的设计，残差网络，多尺度与信息融合，Attention机制，AutoML，GAN等方向来讲述如何设计一个性能更强的CNN 模型。
《如何设计更加高效的CNN结构》从卷积核使用，拓扑结构，剪枝，量化，蒸馏，动态推理，AutoML等方向讲述如何获得一个更加高效的CNN模型。
下面是3期的回放总结，PPT链接失效请移步有三AI知识星球获取。
【总结】言有三&阿里天池深度学习模型设计直播汇总，附赠超过200页直播PPT课件
《如何学会深度学习模型设计和优化》，是专门针对本书进行的直播，从为什么要掌握模型设计和优化，模型发展的简史，模型设计与优化，如何学习等方向进行了讲述，下面是往期链接。
【直播】回放！如何学会深度学习模型设计和优化
另外，我们在公众生态的付费直播中还增加了一次模型优化实践的内容，详细介绍如下：
二维码失效后大家可以添加小助手微信xsr738156155微信收听回放，其中季划成员免费，其他成员费用如上图。
3. 公众号的专栏文章
《深度学习之模型设计》书中主要是针对通用的设计思想进行解读，其中更深的模型优化和压缩的内容没有收录全面，在我们公众号有许多关于的技术文章，包括修行之路的不惑境界以及AutoML专栏，相关链接如下：
【完结】总结12大CNN主流模型架构设计思想
【AI不惑境】数据压榨有多狠，人工智能就有多成功
【AI不惑境】网络深度对深度学习模型性能有什么影响？
【AI不惑境】网络的宽度如何影响深度学习模型的性能？
【AI不惑境】学习率和batchsize如何影响模型的性能？
【AI不惑境】残差网络的前世今生与原理
【AI不惑境】移动端高效网络，卷积拆分和分组的精髓
【AI不惑境】深度学习中的多尺度模型设计
【AI不惑境】计算机视觉中注意力机制原理及其模型发展和应用
【AI不惑境】模型剪枝技术原理及其发展现状和展望
【AI不惑境】模型量化技术原理及其发展现状和展望
【AI不惑境】AutoML在深度学习模型设计和优化中有哪些用处？
【完结】如何学习AutoML在模型优化中的应用，这12篇文章可以作为一个参考
4. 有三AI知识星球
本书主讲通用的深度学习模型设计思想，由于篇幅限制，无法对每一个研究方向都进行详细地介绍，如果想要对其他各个方向的模型设计思想进行深入长期学习，可以移步有三AI知识星球中的网络结构1000变板块，该板块有将近500期各类模型设计的详细解读，预览如下。
详细的星球介绍请大家阅读下文。
「杂谈」有三AI知识星球一周年了！为什么公众号+星球才算完整？
由于9月份我们进行了1个月的线下活动，现在正值国庆，所以这一个月星球内容基本不会更新，大家可以利用这个缓冲消化以前的知识。
假期给大家准备了10张新人优惠券和10张老人续费优惠券，请点击即可获取。
5. 模型优化组
如果大家想要长期稳定地学习模型优化和压缩，完成相关实践，并且能够获得交流和指导，可以考虑加入有三AI秋季划模型优化组，其中学习内容包括数据使用，模型使用和调参，模型性能分析，紧凑模型设计，模型剪枝，模型量化，模型蒸馏，自动化模型设计，模型部署。
具体的介绍大家可以阅读下面的文章
【通知】如何让你的2020年秋招CV项目经历更加硬核，可深入学习有三秋季划4大领域32个方向
总结
深度学习模型设计是一项通用的基础技术，每一个从事本领域的算法和工程人员都必须掌握好，请大家务必重视起来。
如何长期稳定学习计算机视觉
计算机视觉技术诞生于半个多世纪以前，随着深度学习技术的成熟开始在很多领域大规模落地，以研究方向来说，大大小小至少数十个领域，那如何系统地、完整地进行学习、从掌握知识，到后续积累人脉和项目经历？请阅读以下文章：
【杂谈】2020年如何长期、系统，全面地学习深度学习和计算机视觉，这是有三AI的完整计划
转载文章请后台联系
侵权必究
往期精选
【星球知识卡片】残差网络家族10多个变种学习卡片，请收下！
【星球知识卡片】移动端高效率的分组网络都发展到什么程度了？
【星球知识卡片】注意力机制发展如何了，如何学习它在各类任务中的应用？
【星球知识卡片】模型剪枝有哪些关键技术，如何对其进行长期深入学习
【星球知识卡片】模型量化的核心技术点有哪些，如何对其进行长期深入学习
【星球知识卡片】模型蒸馏的核心技术点有哪些，如何对其进行长期深入学习
【星球知识卡片】图像生成都有哪些核心技术，如何对其进行长期深入学习
【星球知识卡片】AutoML都有哪些核心技术，如何对其进行长期深入学习
【星球知识卡片】人脸属性编辑都有哪些核心知识点，如何长期进行学习
【星球知识卡片】深度学习换脸算法都有哪些？如何长期进行学习
