翻译这段英文，并解释： Deploying convolutional neural networks (CNNs) on em-bedded devices is difficult due to the limited memory and computation resources. The redundancy in feature maps is an important characteristic of those successful CNNs, but has rarely been investigated in neural architecture de-sign. This paper proposes a novel Ghost module to generate more feature maps from cheap operations. Based on a set of intrinsic feature maps, we apply a series of linear transformations with cheap cost to generate many ghost Feature maps that could fully reveal information underlying intrinsic features. The proposed Ghost module can be taken as a plug-and-play component to upgrade existing convo-lutional neural networks. Ghost bottlenecks are designed to stack Ghost modules, and then the lightweight Ghost-Net can be easily established. Experiments conducted on benchmarks demonstrate that the proposed Ghost module is an impressive alternative of convolution layers in baseline models, and our GhostNet can achieve higher recognition performance (e.g. 75.7% top-I accuracy) than MobileNetV3 with similar computational cost on the ImaseNet ILSVRC2012 classification dataset.

部署卷积神经网络（CNN）到嵌入式设备上是困难的，因为这些设备的内存和计算资源有限。特征图中的冗余是成功的CNN的一个重要特征，但在神经结构设计中很少被研究。本文提出了一种新颖的 Ghost 模块，可以通过廉价的操作生成更多的特征图。基于一组固有特征图，我们应用一系列廉价的线性变换来生成许多鬼特征图，这些特征图可以完全揭示固有特征之下的信息。所提出的 Ghost 模块可以作为插件式组件，升级现有的卷积神经网络。Ghost 瓶颈被设计为堆叠 Ghost 模块，然后可以轻松地建立轻量级 Ghost-Net。在基准测试中进行的实验表明，所提出的 Ghost 模块是基线模型中卷积层的一个令人印象深刻的替代品，我们的 GhostNet 在 ImaseNet ILSVRC2012 分类数据集上可以实现比 MobileNetV3 更高的识别性能（例如，75.7% 的 top-I 准确率），并且计算成本类似。

本文提出了一种新的 Ghost 模块，可以生成更多的特征图，以提高卷积神经网络的性能。Ghost 模块可以作为插件式组件，轻松地升级现有的卷积神经网络。GhostNet 通过堆叠 Ghost 模块，可以轻松地建立轻量级神经网络。实验表明，Ghost 模块是卷积层的一个令人印象深刻的替代品，GhostNet 可以实现比 MobileNetV3 更高的识别性能，但计算成本类似。

相关问题

Error while building/deploying project K60SerialPort (kit: Desktop Qt 5.12.8 MinGW 32-bit) When executing step "qmake"

这个错误通常是由于Qt Creator的构建配置设置不正确引起的。你可以尝试以下几个步骤来解决这个问题：

1. 确认你的Qt版本和编译工具链是否匹配。例如，如果你使用Qt 5.12.8，则应该使用与之对应的MinGW 32位编译器。

2. 打开Qt Creator的“项目”视图，检查项目设置中的构建配置是否正确设置。确保“构建目录”和“构建步骤”设置正确。

3. 检查项目文件(.pro文件)中是否存在错误或不完整的语法。如果有错误，请修复它们并重新运行qmake。

4. 清除构建目录并重新构建项目。你可以通过选择“构建”菜单中的“清理项目”选项来清除构建目录。

如果以上步骤都没有解决问题，你可以尝试在终端中手动执行qmake并检查输出以获取更多信息。

"provisioning docker wsl distros: deploying \"docker-desktop"

在Windows系统中，可以通过安装WSL（Windows Subsystem for Linux）来使用Docker。WSL是一种允许在Windows上运行Linux发行版的技术。在使用WSL时，我们可以通过命令行界面来操作Linux发行版，这使得在Windows系统上进行Linux开发变得更加方便。

要在WSL中使用Docker，我们需要首先安装适当的Linux发行版。对于大多数用户而言，推荐使用官方提供的Docker Desktop，它包含了WSL2发行版以及Docker引擎。使用Docker Desktop可以方便地进行Docker容器的构建、部署和管理。

为了开始在WSL中使用Docker Desktop，我们需要按照以下步骤进行配置：

1. 首先，确保你的Windows系统版本是支持WSL2的，可以通过在命令行中运行"winver"命令来查看Windows版本号。如果版本较低，需要更新到较新的Windows版本。

2. 下载并安装Docker Desktop。在Docker官方网站上可以找到适用于Windows的安装程序。安装过程很简单，只需按照提示进行操作即可。

3. 安装完成后，打开Docker Desktop应用程序。在设置中，选择“WSL Integration”，启用WSL2，并选择要用于Docker的WSL发行版。这里我们选择“docker-desktop”作为我们的WSL发行版。

4. 确认配置后，Docker Desktop将会自动为我们配置WSL并启动相关服务。这样，我们就可以在WSL中直接使用Docker命令了。

完成上述步骤后，我们就可以在WSL中使用Docker来构建和运行容器了。可以通过在WSL终端中运行"Docker run"等命令，来创建和管理容器。

总之，通过在WSL中配置和使用Docker Desktop，我们可以在Windows系统上轻松地进行Linux容器化开发。这为开发者提供了更加便捷和灵活的开发环境，同时还能充分利用Windows和Linux的优势。