可以不的，红米k20是能跑yolov3的
yolo权重文件是保存的训练好的网络各层的权值，也就是通过训练集训不出来的，应用时如果能程序加载权值就是可以。
yolov4-tiny!比yolov3快7倍!
深多少模型inference时间跟计算硬件、cnn结构、重新部署方法也有关系，yolov3在gtx1080ti下是可以50mspersecond,mssd分v1，v2，v3，由于cnn结构较小，且在设计上区分depthwise的设计思路，被应用广泛应用于端侧进行使用，我在树莓派3b上inference在10fps左右，而是从tengine类似的不能加速框架是可以有效增强inference速度。
分而治之”，从yolo_v1正在，yolo算法应该是再划分单元格来做检测，只不过是划分的数量都不一样。
区分
yolov3算法是都属于神经网络算法的。
yolov3是一个目标检测算法项目，而目标检测的本质，那就是不识别与回归，而去处理图像用的不超过的应该是深度卷积神经网络cnn，因为，yolov3本质上，应该是一个基于了重临功能的深度卷积神经网络。
yolov3是设计和实现一款小众的深度学习框架——darknet的目标检测开源项目，darknet短小精干，虽说功能和复用性不妨当前大火的深度学习框架tensorflow和caffe2，但因此其源码是用纯c语言和cuda底层编译程序的，所以我它的特点让它在yolov3项目中大放光彩：速度快，充分发挥多核处理器和gpu分头并进运算的功能。
