基本概念：在内核中添加程序需要完成下面3个步骤；将编写的源代码copy到相应的目录；在kconfig中添加新添加源代码的编译配置选项；（让用户选择是否编译）在makefile中添加新添源代码的编译条目；（往往涉及到当前目录，子目录，父目录多个makefile文件）linux 源代码目录结构及其实现的功能：linux设备驱动是以内核模块的形式出现的

Python的os模块，包含了普遍的操作系统功能，这里主要学习与路径相关的函数：os.listdir(dirname)：列出dirname下的目录和文件os.getcwd()：获得当前工作目录os.curdir:返回当前目录（'.')os.chdir(dirname):改变工作目录到dirnameos.path.isdir(name):判断name是不是一个目录，name不是目

1 Face++：http://www.faceplusplus.com.cn/tech_landmark/其提供的技术服务有1：人脸检测（人脸检测追踪，人脸关键点检测） 2：人脸分析（微笑分析，性别年龄种族表情）3：人脸识别（1：1，1：N，大规模人脸搜索）。我需要关注的是这里的人脸关键点检测的实现。Face++为美图秀秀，美颜相机提供人脸关键点检测的技术服务。2 Face++一个采访问

尊重原创，转载自：点击打开链接深度学习在目标跟踪中的应用程程 · 4个月前深度学习大讲堂致力于推送人工智能，深度学习方面的最新技术，产品以及活动。请关注我们的知乎专栏！摘要近年来，深度学习方法在物体跟踪领域有不少成功应用，并逐渐在性能上超越传统方法。本文对现有基于深度学习的目标跟踪算法进行了分类梳理，希望能给读者带来启发。开始本

本文来自于知乎专栏：https://zhuanlan.zhihu.com/p/385350636说明：软件开发平台devcloud是持续集成（CI）持续部署（CD）工具；应用管理与运维平台servicestage用来管理多个运行环境（例如alpha开发、beta测试、gamma集成测试、prod生产）。devcloud关注软件的开发过程，servicestage关注运维过程。本文通过一个hello

尊重原创，转载自：点击打开链接深度学习在目标跟踪中的应用程程 · 4个月前深度学习大讲堂致力于推送人工智能，深度学习方面的最新技术，产品以及活动。请关注我们的知乎专栏！摘要近年来，深度学习方法在物体跟踪领域有不少成功应用，并逐渐在性能上超越传统方法。本文对现有基于深度学习的目标跟踪算法进行了分类梳理，希望能给读者带来启发。开始本

尊重原创，转载自：点击打开链接深度学习在目标跟踪中的应用程程 · 4个月前深度学习大讲堂致力于推送人工智能，深度学习方面的最新技术，产品以及活动。请关注我们的知乎专栏！摘要近年来，深度学习方法在物体跟踪领域有不少成功应用，并逐渐在性能上超越传统方法。本文对现有基于深度学习的目标跟踪算法进行了分类梳理，希望能给读者带来启发。开始本

sparse函数提供多种参数形式1 S = sparse(X)2 S = sparse(i,j,s,m,n,nzmax)3 S = sparse(i,j,s,m,n) where nzmax = length(s).4 S = sparse(i,j,s) where m = max(i) and n = max(j).5 S = sparse(m,n) abbr

linux的默认的共享库的搜索路径是：/lib和 /usr/lib，这两个文件夹，不包含子路径；如果共享库不在这两个路径中的话，不能自动链接，解决的办法有几种：1、编译程序使用静态链接，加上完整路径，不建议了；2、修改LD_LIBRARY_PATH环境变量（临时有效，且有时候没有效果）；3、将.so文件复制到可以搜索的路径中，这个办法有点傻；4、添加搜索路径，使用ldconfi

【参考资料】：1、首先就是官网的资料：点击打开链接2、这个博客介绍的也还可以：点击打开链接【numpy.where】：关于其的用法可以参考：点击打开链接numpy.where(condition[, x, y])这里x,y是可选参数，condition是条件，这三个输入参数都是array_like的形式；而且三者的维度相同当conditon的某个位置的为true