原创 本地建立SVN管理項目

轉載自:https://www.cnblogs.com/curry1234/p/4927710.html 1. Svn/Git:   當在公司或實驗室進行項目開發的時候,不論是獨立開發還是處在項目團隊進行合作開 發,合理地對項目源代碼進行

原创 c語言優化

轉載自:https://www.cnblogs.com/wgang171412/p/5404504.html c語言優化 雖 然對於優化C代碼有很多有效的指導方針,但是對於徹底地瞭解編譯器和你工作的機器依然無法取代,通常,加快程序的速度也

原创 C代碼性能優化總結

轉自:https://blog.csdn.net/chenyq991/article/details/79047741 1、優化代碼框架 個人覺得代碼架構對性能的影響至關重要,就好骨架之於人,所以我把這個放在第一點。舉個簡單的例子: 優化

原创 定點化

談到這個話題,有必要先介紹下“浮點數”和“定點數”這兩個名詞的概念。1.25 + (-2.75) = ?                                                                (1)

原创 CTC 白話CTC(connectionist temporal classification)算法講解

轉自:https://blog.csdn.net/luodongri/article/details/77005948白話CTC(connectionist temporal classification)算法講解2017年08月09日

原创 C++ 面試題

轉載自:https://www.cnblogs.com/liufei1983/p/7099401.html1 new/delete 與 malloc/free的區別    運算符是語言自身的特性,有固定的語義,編譯器知道意味着什麼,由編譯

原创 梅爾頻率倒譜系數(MFCC)

原文地址:https://blog.csdn.net/zouxy09/article/details/9156785/這學期有《語音信號處理》這門課,快考試了,所以也要了解了解相關的知識點。呵呵,平時沒怎麼聽課,現在只能抱佛腳了。順便也總

原创 理解卷積神經網絡中的通道 channel

轉自:https://blog.csdn.net/sscc_learning/article/details/79814146 在深度學習的算法學習中,都會提到 channels 這個概念。在一般的深度學習框架的 conv2d 中,如 t

原创 深度學習優化方法

深度學習最全優化方法總結比較(SGD,Adagrad,Adadelta,Adam,Adamax,Nadam) 轉載自:https://zhuanlan.zhihu.com/p/22252270 SGD 此處的SGD指mini-batc

原创 Padding:valid和same

卷積操作有兩個問題: 1. 圖像越來越小; 2. 圖像邊界信息丟失,即有些圖像角落和邊界的信息發揮作用較少。因此需要padding。 卷積核大小通常爲奇數 一方面是爲了方便same卷積padding對稱填充,左右兩邊對稱補零; n+2p-

原创 Filter Concatenation理解

轉載自:https://blog.csdn.net/qq_28132591/article/details/64124491 學習深度學習,有幾篇論文大多數人都會讀到。其中一篇就是《Going deeper with convoluti

原创 二叉樹深度優先遍歷和廣度優先遍歷

轉載自:http://www.cnblogs.com/zhangbaochong/p/5492877.html今天去百度面試,第二道題就是這個,寫不出來。。。記錄一下  對於一顆二叉樹,深度優先搜索(Depth First Search)

原创 深入理解c++指針的指針和指針的引用

轉載自:https://www.cnblogs.com/li-peng/p/4116349.html展示一下使用指針的指針和指針的引用修改傳遞給方法的指針,以便更好的使用它。(這裏說的指針的指針不是一個二維數組)爲什麼需要使用它們當我們把

原创 Global average Pooling

轉載自:https://blog.csdn.net/losteng/article/details/51520555據說用GAP代替FC可以減少參數數量,瞭解了一下什麼是GAP。這個概念出自於 network in network 主要是

原创 YOLOv1

轉載自:https://blog.csdn.net/hrsstudy/article/details/70305791這篇文章講的比較清楚,而且有一些動圖不錯,yolo的損失函數是個關鍵,不太明白作者是怎麼想出來的,這麼設計的原因是什麼。