原文链接： http://www.zhiding.cn/techwalker/documents/J9UpWRDfVYHE5ToOGy30k4fU9v9ep3gPUOb3TSAsig本文为机器之心矽说专栏系列文章之一，对模型压缩进行了深度解读。1. 为什么要为深度学习模型减肥随着深度学习的发展，神经网络模型也越来越复杂，常用的模型中 VGG 系列网络的计算量可以达到 30-40 GOP（1GOP=

原文链接： https://www.jiqizhixin.com/articles/2017-03-06-2如果你现在还是个深度学习的新手，那么你问的第一个问题可能是「我应该从哪篇文章开始读呢？」在 Github 上，songrotek 准备了一套深度学习阅读清单，而且这份清单在随时更新。至于文中提到的 PDF，读者们可点击阅读原文下载机器之心打包的论文，或点开下面的项目地址下载自己喜欢的学习材料

知名企业家、同时也是 NBA 小牛队的老板马克·库班（Mark Cuban）曾说过一句话：人工智能，深度学习和机器学习，不论你现在是否能够理解这些概念，你都应该学习。否则三年内，你就会像灭绝的恐龙一样被社会淘汰。马克·库班的这番话乍听起来有些耸人听闻，但仔细想想却不无道理。我们正经历一场大革命，这场革命就是由大数据和强大的电脑计算能力发起的。为了更好地面对和适应这场革命，了解一下相关的概念已经十分

yield在函数中的功能类似于return，不同的是yield每次返回结果之后函数并没有退出，而是每次遇到yield关键字后返回相应结果，并保留函数当前的运行状态，等待下一次的调用。如果一个函数需要多次循环执行一个动作，并且每次执行的结果都是需要的，这种场景很适合使用yield实现。

Opencv在1.0的时代，在MFC框架上显示图片可以通过Cvvimage类里的DrawPicToHDC(IplImage *img, UINT ID)方法方便的显示出来，当然这里使用的是IpIImage图片格式，到了Opencv2.0，不知道什么原因，Cvvimage类被舍弃了，当然你还可以方便的转换Mat到IpIImage。这就导致在MFC上显示图片的这个过程变的复杂起来：首先我们需

Opencv中函数getStructuringElement()可以生成形态学操作中用到的核，函数原型：Mat getStructuringElement(int shape, //核的形状0：矩形1：十字交叉形2： 椭圆Size ksize,//核大小Point anchor=Point(-1,-1) //核中心位置，默认位于形状中心处

tf.reduce_mean 函数用于计算张量tensor沿着指定的数轴（tensor的某一维度）上的的平均值，主要用作降维或者计算tensor（图像）的平均值。reduce_mean(input_tensor,axis=None,keep_dims=False,na...

# -牧野- 2021-05-29import cv2from flowlib import flow_to_imageimg0_path = 'im1.png'img1_path = 'im3.png'img0 = cv2.imread(img0_path)img1 = cv2.imread(img1_path)img0_gray = cv2.cvtColor(img0, cv2.COLOR_B

GoogLeNet是2014年 ILSVRC 冠军模型，top-5 错误率 6.7% ，GoogLeNet做了更大胆的网络上的尝试而不像vgg继承了lenet以及alexnet的一些框架，该模型虽然有22层，但参数量只有AlexNet的1/12。GoogLeNet论文指出获得高质量模型最保险的做法就是增加模型的深度（层数）或者是其宽度（层核或者神经元数），但是一般情况下更深或更宽的网络

OpenGL入门之“顶点”OpenGL规定，一个多边形必须是一个“凸多边形”，即连接多边形上任意两点，其连线都在多边形内部。多边形可以由其边上的端点（这里可称为顶点）来确定。所以“顶点”的概念在图形学中非常重要，定义了顶点数组和顶点的连接方式，就可以组合出各种形态。OpenGL中顶点连接形式顶点的连接形式由glBegin函数定义，每种参数对应的连接形式如下：