原创 MXNET

   mxnet 同時支持Imperative Programming及Symbolic Programming   一、爲什麼mxnet不像其它深度學習框架那樣使用numpy的多維數據,而使用mxnet.NDArray多維數據?  答:

原创 Python高級屬性訪問模式

一、關於私有關鍵字 Python中沒有private關鍵字,與之最接近的概念是名稱修飾(name mangling)。每當在一個屬性前面加上雙下劃線_ _時,解釋器就會立即將其重命名,通過這種方式造成對象實例無法直接訪問屬性。 class

原创 使用RecordIO創建數據集

RecordIO是一種順序記錄文件. MXNET推薦將圖像文件打包在一起,並將圖片存儲爲記錄. 其優勢是包括: Storing images in a compact format--e.g., JPEG, for records--gr

原创 16位半精度浮點數的表示

舉例: 參考: 1. https://en.wikipedia.org/wiki/Half-precision_floating-point_format 2. 不要看中文資料;

原创 數據庫讀寫分離的中間件

     讀寫分離需要將讀/寫操作區分開來,然後訪問不同的數據庫服務器;分庫分表需要不同的數據訪問不同的數據庫服務器,兩者本質上都是一種分配機制,將不同的SQL語句發送到不同的數據庫服務器。       常見的分配實現方式有兩種:程序代碼

原创 NoSQL的使用場景

NoSQL=Not Only SQL 常見的NoSQL解決方案: 1)K-V存儲:解決關係數據庫無法存儲數據結構的問題,以Redis爲代表; 2)文檔數據庫:解決關係數據庫強shema約束的問題,以MongoDB爲代表;        

原创 Python高級編程——編寫擴展

Python擴展三種不同的實現方式: 一、編寫純C擴展。   寫過JNI的人很容易理解,純C擴展就是利用Python/C API來擴展python應用。C/API的詳細使用,請參見:  https://docs.python.org/3.

原创 Hu 矩——形狀匹配

形狀匹配        函數 cv2.matchShape() 可以幫我們比較兩個形狀或輪廓的相似度。如 果返回值越小,匹配越好。它是根據 Hu 矩來計算的。文檔中對不同的方法都 有解釋。   我們試着將下面的圖形進行比較:    

原创 移動深度學習的幾個問題

移動深度學習的幾個問題   本文主要概括了在移動端深度學習與服務端深度學習的幾個重要差異。 一、在移動端和服務器應用深度學習的難點對比 對比點 服務器端 移動端 內存 內存較大,一般不構成限制 內存有限 耗電量

原创 尺度空間與高斯差分算子DoG

      在上一篇中我講述了圖像金字塔(高斯金字塔和拉普拉斯金字塔)。這了篇中介紹在SIFT檢測中用到的DoG高斯差分算子。      此處的高斯金字塔的形成過程上前文的高斯金字塔稍有不同。        在SIFT關鍵角點檢測中,在不

原创 Python之獨立可執行文件

Python標準庫缺少合適的工具能夠讓程序員創建簡單的可執行文件,使得不用不需要安裝python解釋器就可以運行這些可執行文件。 常用構建獨立可執行文件的工具: 一、PyInstaller 它提供了最廣泛的多平臺兼容性。支持Windows

原创 Python上下文管理器——with語句

  爲了確保即使在出現錯誤的情況下也能運行某些清理代碼,try...finnally語句是很有用的。這一語句有許多使用場景,例如1)關閉一個文件。 2)釋放一個鎖。 3)創建一個臨時的代碼補丁。 4)在特殊環境中運行受保護的代碼。 一、w

原创 Python的一些高級語法

一、Python生成器 Python生成器另一個重要特性,就是能夠利用next函數與調用的代碼進行交互。yield變成了一個表達式,而值可以通過名爲send的新方法來傳遞: def psychologist(): print('

原创 高斯拉普拉斯——圖像金字塔

圖像金字塔原理        一般情況下,我們要處理是一副具有固定分辨率的圖像。但是有些情況下, 我們需要對同一圖像的不同分辨率的子圖像進行處理。比如,我們要在一幅圖像中查找某個目標,比如臉,我們不知道目標在圖像中的尺寸大小。這種情況

原创 常見的負載均衡方式

       常見的負載均衡系統包括三種:DNS負載均衡、硬件負載均衡和軟件負載均衡。 一、DNS負載均衡      一般用來實現地理級別的均衡。其本質是DNS解析一個域名可以返回不同的IP地址。   優點:簡單、成本低;就近訪問,提升訪