原创 CNN可視化總結
《Visualizing and Understanding Convolutional Networks》反捲積可視化 反捲積由unpool層+relu層+filter卷積的轉置構成。 越高層提取的特徵需要訓練的時間越長。 卷積網絡對左
2020-06-27 08:44:39
原创 雲計算技術總結
雲計算技術總結大綱概念應用技術棧關鍵技術架構競爭力衡量維度開源軟件雲操作系統框架OpenStack虛擬化XenKVMSANNAS容器KubernetesMesosDocker大數據HadoopSpark 大綱 概念，應用，技術棧，
2020-04-20 19:38:17
原创 大數據技術總結
大數據技術總結大綱概念應用難題技術棧大數據架構1. 數據收集Sqoop/CanalFlumeKafka2. 數據存儲HDFSHBaseKudu3. 分佈式協調與資源管理ZookeeperYarn4. 數據計算MapReduceSp
2020-04-20 19:38:17
原创 看論文的方法論
讀論文需要區分精讀和略讀。對於重要的、經典的論文，需要精讀，其他的可以快速地略讀簡單瞭解一下就好了。 關注要關注一下幾個重點： 論文背景是什麼？解決的是什麼難題？(what) 用什麼方法解決？(how) 爲什麼可以解決？（why） 一般讀
2020-02-23 12:17:32
原创 LPL的S9總決賽IG對陣FPX分析
昨天，LPL的S9總決賽半決賽IG對陣FPX，兩支中國戰隊決一雌雄，最終IG以1：3的敗局輸給了FPX。FPX下週將對陣SKT和G2之間的勝者。IG作爲上年一匹黑馬總冠軍，FPX作爲今年的黑馬，兩者的總體實力還是蠻相當的。更多
2020-02-23 12:17:32
原创 網絡基礎知識記錄
電力線通信（Power Line Communication，英文簡稱PLC）技術是指利用電力線傳輸數據和媒體信號的一種通信方式。該技術是把載有信息的高頻加載於電流然後用電線傳輸接受信息的適配器再把高頻從電流中分離出來並傳送到計算機或電
2020-02-23 12:17:32
5
原创 各大機器學習算法的總結
本文主要用凝練的總結描述各個機器學習算法的特性，優缺點，使用的數學原理和技術，以及應用場景。這些總結整理一方面提供給大家對機器學習更全局的觀察和了解，也能一定程度上幫助大家在面試時思路更清晰。 主要梳理的算法有KNN，貝葉斯，決策樹，PC
2020-02-23 12:17:32
原创 C/C++中near和far關鍵字的區別
C/C++中near和far的區別 關鍵字near和far受目標計算機體系結構的影響。目前編程中使用不多。 near關鍵字創建一個指向可尋址內存低端部分的目標指針。這些指針佔用內存的單一字節，並且他們能夠指向
2020-02-23 12:17:32
原创 Tensorflow論文學習
內容大綱：開發tensorflow的背景動機，tensorflow的術語原理和框架，以及它和其他框架平臺的對比。 背景由來：google繼DistBlief後，參照Theano開發的機器學習框架。 開發動機：分佈式計算，加速，更方便地訓練
2020-02-23 12:17:32
原创 監控攝像頭分類
按形狀分類： （1）筒狀槍機（多用於室外防水防塵） （2）半球型（多用於室內） （3）球型（360度可旋轉） （4）飛碟型（360度全景） （5）針孔型 按供電方式分類： （1）PoE供電 （2）電源供電 按光線強度分類： （1）
2020-02-23 12:17:32
原创 算法工程師的日常訓練--個人參考
一個優秀的算法工程師，頂層的能力分類主要可以分爲技術能力（硬實力），業務能力（軟實力）。 技術能力又包括基礎理論和工程能力，可分爲編程能力，調包能力，大數據開發能力和高級的架構和項目管理能力。 基礎理論就是一些高等數學，矩陣，概率統計，機
2020-02-23 12:17:32
原创 凸優化問題
凸集 凸集的交集還是凸集。 仿射空間是典型的凸集，Ax = b，Ax < b 線性等式和線性不等式是凸集。 凸函數 判斷凸函數的方法：定義，一階導數判定，二階導數判定。 定義： 一階：f(y) > f(x) + f '(x)*
2020-02-23 12:17:32
原创 蠻力、貪心、減治、分治、動態規劃算法總結
蠻力 就是窮舉。 貪心 以當前局部最優解進行下去，要保證後面的狀態不會影響之前的狀態。 例子：埃及分數 減治 可以把問題複雜度分解降低，以減1或者減半等方法把問題拆解，只需要求解減完後的某一部分。 例子：找假幣問題， 分治 也
2019-09-16 03:33:08
1
原创 卷積、池化、反捲積、反池化、上採樣的知識點記錄
卷積： SAME：輸入大小不夠時會在右邊加padding補足。output_shape = ceil(input_shape/ stride_size) VALID：output_shape = ceil((input_shape + k
2019-08-14 02:55:38
1