深度学习中，我们一直在训练模型，通过反向传播求导更新模型的权重，最终得到一个泛化能力比较强的模型。不过执行模型操作的算子会变化，可能从Pytorch->TensorRT或者TensorFlow->TFLITE，也就是实现算子的方式变了，同一个卷积操作，在Pytorch框架中是一种实现，在TensorRT又是另一种时间，两者的基本原理是一样的，但是精度和速度不一样，TensorRT可以借助Pytorch训练好的卷积的权重，实现与Pytorch中一样的操作，不过可能更快些。
9月20日晚7点，黑芝麻智能自动驾驶技术公开课第一期在智东西公开课顺利完结直播。公开课由黑芝麻智能系统架构高级经理仲鸣主讲，主题为《激光雷达感知算法在黑芝麻智能A1000芯片上的部署》。本文是此次公开课主讲环节的实录整理。大家好，我是仲鸣，来自黑芝麻智能，负责系统架构。
1 NVIDIA Jeston4.2 华为atlas4.3 比特大陆 Sophon SE54.4 Amlogic4.5 寒武纪MLU。我本科是电子信息工程专业，硕士是电磁场与微波技术方向，2018年底开始接触并进入AI行业。
