目前学术界主要有三个benchmark（数据集）用于模型训练和测试。第一个常用的数据集是Pascal VOC系列。这个系列中目前较流行的是VOC2012，Pascal Context等类似的数据集也有用到。第二个常用的数据集是Microsoft COCO。 COCO一共有80个类别，虽然有很详细的像素级别的标注，但是官方没有专门对语义分割的评测。这个数据集主要用于实例级别的分割（Insta

    在四轴入门理论知识那节我们说，加速度计和磁传感器都是极易受外部干扰的传感器，都只能得到2维的角度关系，但是测量值随时间的变化相对较小，结合加速度计和磁传感器可以得到3维的角度关系。陀螺仪可以积分得到三维的角度关系，动态性能好，受外部干扰小，但测量值随时间变化比较大。可以看出，它们优缺点互补，结合起来才能有好的效果。接下来我们介绍三种传感器数据的融合。...

    深度学习的优化算法从SGD-->SGDM-->NAG-->AdaGrad-->AdaDelta-->Adam-->Nadam这样的发展历程，理论知识参考这里，下面我们依次介绍TensorFlow中这些优化器的实现类，官方文档。1、tf.train.Optimizer    优化器（optimizers）类的

1、二维图绘制（1）最简单的情况import numpy as np  import matplotlib.pyplot as plt    x = [1,2,3,4]        # 横轴y = [5,6,7,8]        # 纵轴plt.title("pyplot")   # 设置标题plt.xlabel("time(s)") # 横轴标题 pl

    目前学术界主要有三个benchmark（数据集）用于模型训练和测试。第一个常用的数据集是Pascal VOC系列。这个系列中目前较流行的是VOC2012，Pascal Context等类似的数据集也有用到。第二个常用的数据集是Microsoft COCO。 COCO一共有80个类别，虽然有很详细的像素级别的标注，但是官方没有专门对语义分割的评测。这个数据集主要用于实例级别的分割（Insta

1、什么是HMM：    先来看一个例子：假设有4个盒子，每个盒子里面都装有红白两种颜色的球，盒子里面的红白球有下表给出：盒子1234红球数 5368白球数 5742    按照下面的方法抽球，产生一个球的颜色的随机序列：开始，从4个盒子里以等概率随机选取

1、strcpy()：字符串复制2、strcat()：字符串连接3、gets()：从输入流读取字符串到缓冲区4、sprintf()：打印字符串到缓冲区5、vsprintf()：打印字符串到缓冲区6、scanf系列：从输入流读取格式化字符7、strdup()：字符串复制1、strcpy()：字符串复制原型：char *strcpy(char *dest, const ...

    这里的生成模型和判别模型均为多层感知机（当然也可以换为CNN或LSTM），多层感知机的层数为四层，中间有两个隐藏层。使用的数据集为mnist数据集，训练GAN之后得到的模型能达到的效果是：在生成模型中输入一个随机高斯噪声，生成模型可以输出一张和mnist数据集类似的图片。参考论文：《Generative Adversarial Nets》。#coding=utf-8import p...

1. 内存管理目标2. 三种内存管理的比较1. 内存管理目标内存管理的目的是实现了malloc()，free()以及一组其它的函数，以提供动态内存管理的支持。分 配器处在用户程序和内核之间，它响应用户的分配请求，向操作系统申请内存，然后将其返回给用户程序。为了保持高效的分配，分配器一般都会预先分配一块大于用户请求的内存， 并通过某种算法管理这块内存。来满足用户的内存分配要求，用户释放掉的内存也并不

1. 简单编译2.SConstruct文件3.编译多个源文件4. 编译和链接库文件5. 节点对象6. 依赖性7. 环境1.简单编译源文件：hello.cpp#include<iostream>using namespace std;int main(){cout << "Hello, World!" &l...