招募同仁，重新做個新的深度學習架構
深度學習架構是實作物體分類、目标檢測、場景了解和語義分割等AI功能的基礎。無論是SSD、YOLO還是Faster-RCNN等常用深度學習網絡都需要運作在學習架構基礎上。
在深度學習架構中，較為常用的有，
1)CAFFE，最早由國人賈揚清(對，就是回國後在阿裡作AI專家的那位)發起，很長時間内都是事實上的AI标準架構。雖然官網已經停更，但還有Intel等企業在維護和更新，國内早期的AI基本上都使用的這個架構，簡潔，标準，指令行，很贊；
使用這個架構實作過裂縫和絕緣子檢測，效果相當不錯；
2)MXNET
是由上交大畢業的李沐主導開發的深度學習架構，分布式是其最大特色。也是很牛的一個架構。不過呢，有點兒坑的是，物體分類和目标檢測等的配置檔案不同，需要使用的資料集制作Python檔案也不同，這也是被我淘汰的重要原因；
3)Tensorflow
長時間國内外深度學習事實上的标準，尤其是工業标準，也了不起。後來，API混亂了，不再考慮；
4)Pytorch
賈揚清繼續開發的caffe2，合并後稱為Pytorch，很不錯，目前是學術界最常用的深度學習架構；
5)PaddlePaddle
俗稱的飛槳，百度公司的深度學習架構，功能很強大，随帶很多開源資料集和學習網絡。雖然在Jetson NANO部署了不少應用，但還是不符合個人使用習慣。
本人和團隊在Darknet深度學習架構上實作了很多人工智能應用。C語言設計、無依賴、多平台和多硬體運作和部署，尤其最感人的是其指令行，
./darknet detector train *.voc *.cfg
多麼熟悉的cli啊，這也是我同樣喜歡使用caffe的一大原因吧。
為避免被國外卡脖子和禁用，也為了繼續使用自己喜歡的指令行，招募有興趣和情懷的國内同仁，一起設計并實作一個新的深度學習架構~
