在上层应用或者 AI 网络模型中，看到的是算子；但是在推理引擎实际执行的是具体的 Kernel，而推理引擎中 CNN 占据了主要是得执行时间，因此其 Kernel 优化尤为重要。
希望这个系列能够给大家、朋友们带来一些些帮助，也希望自己能够继续坚持完成所有内容哈！
内容大纲
PPT和字幕需要到 Github 下载，网页课程版链接会失效哦~建议优先下载 PDF 版本，PPT 版本会因为字体缺失等原因导致版本很丑哦~
| 大纲 | 小节 | 链接 |
|---|---|---|
| Kernel优化 | 01 Kernel优化架构 | slide, video |
| Kernel优化 | 02 卷积操作基础原理 | slide,video |
| Kernel优化 | 03 Im2Col算法 | slide,video |
| Kernel优化 | 04 Winograd算法 | slide,video |
| Kernel优化 | 05 QNNPack算法 | slide,video |
| Kernel优化 | 06 推理内存布局 | slide,video |
| Kernel优化 | 07 nc4hw4内存排布 | slide |
| Kernel优化 | 08 汇编与循环优化 | slide |
:maxdepth: 2
01.introduction
02.conv
03.im2col
04.winograd
05.qnnpack
06.memory
07.nc4hw4
08.others