原本是Firefox浏览器的忠实用户，但因为在Mac上运行Firefox浏览器，因为flash的原因电脑需要较多的能耗，使得Mac发热，所以弃坑了Firefox，转战Mac自带的浏览器Safari，下面介绍一些常用的快捷键。结合我个人的经验，以下几个快捷键是最常用的。command+D 添加书签shift+command+L 显示书签边栏command+T 新建标签页command+M 最小

文章-博士毕业，高校青椒还是30万年薪私企？推文链接田渊栋-知乎《远东轶事》专栏专栏链接自动驾驶求职推文链接黑色高亮重点工业界自动驾驶分级自动驾驶赛道分类：（1）辅助驾驶， L2-L3能够量产落地，目前市面上见的最多的自动驾驶系统相关公司：造车新势力（特斯拉、蔚来、小鹏、理想、小米等）、提供软硬件系统的Tier1科技公司（大疆、华为等）（2）无人出租车，robotaxi，复杂城市L4目前研发阶段，

AbstractUnsupervised continual learning (learning representations without any knowledge about task identity)Introduction挖坑写法，however, most of these techniques have focused on a sequence of tasks in wh

视频链接

最近参加了一个机器人比赛，本人负责图像识别和串口通信方面的任务工作。串口通信的教程可以见我的博客；下面主要总结一下我对图像识别的整个学习过程。开发环境Mac OSXcodeC++OpenCV 2.4.12思考过程实现图像识别的关键问题，其实就是如何定义图像的特征？定义完特征，才能进行图像匹配，然后识别。第一种思路就是利用已经定义好的特征，比如sift特征、surf特征等，使用这些特征，

结合自己的了解和在知乎上的阅读，将机器学习领域内的期刊与会议大概进行了罗列，“：”后简要说明了其特点。期刊 1. JMLR2. MLJ3. PAMI4. TNN5. neural computation6. PR5. PRL6. neuralcomputing7. 。。。会议 1. NIPS：顶级的理论会议2. ICML：顶级的综合会议3. COLT：顶级的

参考博客挑战：1)semantic gap; 2) 缺乏常识，计算机不会犯小错误，它们会犯大错误；3)从平面投影到三维感知基础技术概括；算法、算力、数据；检测、识别、检索、跟踪、分割、增强、重建、分类...

VAE相关改进VAE的相关改进：1）VAE和GAN结合，GAN的缺点是训练不稳定；2）VAE和flow模型结合；3）VQ-VAENVAENouveau VAE，包含了多尺度架构、可分离卷积、swish 激活函数、flow 模型等自回归分布将隐变量分组，针对组间多尺度设计其他性能提升技巧BN层改进（改成Instance Normalization或Weight Normalization）；谱正则化

结合自己的了解和在知乎上的阅读，将机器学习领域内的期刊与会议大概进行了罗列，“：”后简要说明了其特点。期刊 1. JMLR2. MLJ3. PAMI4. TNN5. neural computation6. PR5. PRL6. neuralcomputing7. 。。。会议 1. NIPS：顶级的理论会议2. ICML：顶级的综合会议3. COLT：顶级的

AbstractReplay-based methods, present a method where these auxiliary samples are generated on the fly（出发点，就是减少内存开销），也加入了神经科学的启发来加强motivation。Introductionlearn from sequential or non-stationary data的能力