Linux創始人Linus Torvalds有一句名言：Talk is cheap. Show me the code. （冗談不夠，放碼過來！）。
代碼閱讀是從入門到提高的必由之路。尤其對深度學習，許多框架隱藏了神經網絡底層的實現，只能在上層調包使用，對其內部原理很難認識清晰，不利於進一步優化和創新。
YOLOv3是一種基於深度學習的端到端實時目標檢測方法，以速度快見長。
YOLOv3的實現Darknet是使用C語言開發的輕型開源深度學習框架，依賴少，可移植性好，可以作爲很好的代碼閱讀案例，讓我們深入探究其實現原理。
考慮到這方面需要，本人推出了課程《YOLOv3目標檢測：原理與源碼解析》。
課程鏈接：https://edu.51cto.com/course/18384.html
本課程將解析YOLOv3的實現原理和源碼，具體內容包括：
-
YOLO目標檢測原理
-
神經網絡及Darknet的C語言實現，尤其是反向傳播的梯度求解和誤差計算
-
代碼閱讀工具及方法
-
深度學習計算的利器：BLAS和GEMM
-
GPU的CUDA編程方法及在Darknet的應用
- YOLOv3的程序流程及各層的源碼解析
本課程將提供註釋後的Darknet的源碼程序文件。
除本課程《YOLOv3目標檢測：原理與源碼解析》外，本人推出了有關YOLOv3目標檢測的系列課程，包括：
《YOLOv3目標檢測實戰：訓練自己的數據集》
《YOLOv3目標檢測實戰：交通標誌識別》
《YOLOv3目標檢測：原理與源碼解析》
《YOLOv3目標檢測：網絡模型改進方法》
建議先學習課程《YOLOv3目標檢測實戰：訓練自己的數據集》或課程《YOLOv3目標檢測實戰：交通標誌識別》，對YOLOv3的使用方法瞭解以後再學習本課程。