AI 与深度学习 从零搭建视觉模型 · 综合实践：实现 MLP，从损失计算、训练到 ONNX 推理→ 合集 · 从零搭建视觉模型 用自包含的条纹数据实现 MLP，核对交叉熵与梯度，完成训练、验证、保存、独立推理、ONNX 导出及数值一致性检查。 2026.10.23从零搭建视觉模型MLP
AI 与深度学习 海思NPU模型转换 D 附录D项目目录及交付模板→ 合集 · 海思 NPU 模型转换 提供转换目录、manifest、接口与验收表，以及发布回滚维护规则。 2026.08.16Hi3516CV610模型转换
AI 与深度学习 海思NPU模型转换 C 附录C错误现象与排查表→ 合集 · 海思 NPU 模型转换 从环境、转换、数值、板端资源和性能现象追踪证据与排查方向。 2026.08.15Hi3516CV610模型转换
AI 与深度学习 海思NPU模型转换 B 附录BATC与AIPP参数表→ 合集 · 海思 NPU 模型转换 集中核对输入、量化、输出、AIPP 配置与常见概念混淆。 2026.08.14Hi3516CV610模型转换
AI 与深度学习 海思NPU模型转换 A 附录A文档检索表→ 合集 · 海思 NPU 模型转换 按实际问题定位厂商文档、ATC 参数小节、算子规格和运行时说明。 2026.08.13Hi3516CV610模型转换
AI 与深度学习 海思NPU模型转换 12 项目案例与交付清单→ 合集 · 海思 NPU 模型转换 提供 YuNet 320 完整教学脚本与操作链，整理其他模型路线和部署交付。 2026.08.12Hi3516CV610模型转换
AI 与深度学习 海思NPU模型转换 11 转换失败与性能排查→ 合集 · 海思 NPU 模型转换 按失败阶段定位问题，分开评估数值、业务精度、时延和长期稳定性。 2026.08.11Hi3516CV610模型转换
AI 与深度学习 海思NPU模型转换 10 板端最小推理闭环→ 合集 · 海思 NPU 模型转换 梳理 SVP ACL 生命周期、内存和缓存，完成固定输入的设备验证。 2026.08.10Hi3516CV610模型转换
AI 与深度学习 海思NPU模型转换 09 PC仿真与精度比对→ 合集 · 海思 NPU 模型转换 用项目功能仿真库重放输入，按输出名称剥离 padding 并比较 CPU 基准。 2026.08.09Hi3516CV610模型转换
AI 与深度学习 海思NPU模型转换 08 输出与后处理约定→ 合集 · 海思 NPU 模型转换 核对输出名称、顺序、类型、stride、解码和坐标逆变换。 2026.08.08Hi3516CV610模型转换
AI 与深度学习 海思NPU模型转换 07 执行ATC转换→ 合集 · 海思 NPU 模型转换 逐项解释可复核的 ATC 命令、输出产物、日志与 original OM 的含义。 2026.08.07Hi3516CV610模型转换
AI 与深度学习 海思NPU模型转换 06 校准数据与量化→ 合集 · 海思 NPU 模型转换 区分位宽与量化算法，准备业务分布一致的校准输入和对照实验。 2026.08.06Hi3516CV610模型转换
AI 与深度学习 海思NPU模型转换 05 预处理与AIPP→ 合集 · 海思 NPU 模型转换 推导颜色、planar 布局、均值缩放、ROI 和 AIPP 的完整输入约定。 2026.08.05Hi3516CV610模型转换
AI 与深度学习 海思NPU模型转换 04 导出和整理ONNX→ 合集 · 海思 NPU 模型转换 固定推理条件和尺寸，解释 YuNet 首层缩放与改图等价性验证。 2026.08.04Hi3516CV610模型转换
AI 与深度学习 海思NPU模型转换 03 拿到模型后的检查→ 合集 · 海思 NPU 模型转换 检查 ONNX 接口、opset、算子限制、模型来源和 CPU 基准。 2026.08.03Hi3516CV610模型转换
AI 与深度学习 海思NPU模型转换 02 搭建转换环境→ 合集 · 海思 NPU 模型转换 准备项目 SVP 容器，核对工具版本、动态库、Python 环境与挂载路径。 2026.08.02Hi3516CV610模型转换
AI 与深度学习 海思NPU模型转换 01 平台工具与文档地图→ 合集 · 海思 NPU 模型转换 明确 Hi3516CV610 平台边界，建立厂商文档、工具链与验收阶段的对应关系。 2026.08.01Hi3516CV610模型转换
