图像压缩cvpr

图像拼接基本概念整理

在看过一些基本资料之后进行的小总结大佬绕道1、残差的数学概念是指估计值与实际值直接的差，如果存在一个映射f(x)=b，x=x0时，则b-f(x0)则为残差，x-x0为误差2、残差网络对于传统的CNN网络，简单的增加网络的深度，容易导致梯度消失和爆炸。针对梯度消失和爆炸的解决方法一般是正则初始化(normalized initialization)和中间的正则化层(intermediate norm

初学python，做一个小小的记录，大佬绕行temp = input('猜数字：')guess = int(temp)while guess !=8:temp = input('猜错了重新输入：')guess = int(temp)if guess == 8:print('yes')else:if guess>8:print('大了')else:print('小了')print('游戏结束'

打开后在最后加上 ip+github.com。但是直接打开没有修改权限，修改方法如下。一般hosts的文件路径是。

在这个例子中，SM (Streaming Multiprocessor) 的频率是1500 MHz，这就是我们用来计算TFlops的核心频率。

前言关于anaconda方式安装tensorflow(cpu版本)之前已经有博客写过了。这一次更新一下anaconda方式安装tensorflow（gpu版本），他们的区别在于TensorFlow-gpu版对安装的要求要高些，需要NVIDIA的驱动及CUDA工具支持。1、关于CPU、GPU、CUDA、cuDNN的理解关于这一块，我刚刚入门，就直接引入了别人写好的理解关于CPU、GPU、CUDA、c

首先在说到安装TensorFlow前，要安装好anaconda，这里引入一篇教程anaconda安装与使用初学者另外也需要在官网安装对应的python包python官网有这些前置准备后，就可以安装TensorFlow了

由于没有接触过e-charts，直接看的v-charts，所以无法对比两者的优劣，但是v-charts使用还是很方便的效果下面说一下初学者安装引用以及使用的步骤1、npm安装npm i v-charts echarts -S安装成功后可以看见package.json出现对应的依赖2、在main.js中引入v-chartsimport VCharts from 'v-charts'Vue.use(V