logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

[C++] --- 常用设计模式

策略模式迭代器模式适配器模式工厂模式超级工厂模式享元模式代理模式。

#c++#设计模式#开发语言
[tensorrt] --- tensorrt安装及使用

本教程基于ubuntu20.04,默认安装好了nVidia驱动、cuda版本、cudnn版本,选择与之匹配的Tensorrt安装。

#pytorch
[基础算法理论] --- 双指针

双指针分为「对撞指针」、「快慢指针」、「分离双指针」。对撞指针:两个指针方向相反。适合解决查找有序数组中满足某些约束条件的一组元素问题、字符串反转问题。快慢指针:两个指针方向相同。适合解决数组中的移动、删除元素问题,或者链表中的判断是否有环、长度问题。分离双指针:两个指针分别属于不同的数组 / 链表。适合解决有序数组合并,求交集、并集问题。

#数据结构
[基础算法] --- 位运算

外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-8JUn5T7U-1721627042685)(https://i-blog.csdnimg.cn/direct/552453030c454160ab0a304c60be24ca.png)]

#数据结构
死锁的理解

一、死锁的概念死锁(英语:deadlock),又译为死结,计算机科学名词。当两个以上的运算单元,双方都在等待对方停止运行,以获取系统资源,但是没有一方提前退出时,就称为死锁。在多任务操作系统中,操作系统为了协调不同行程,能否获取系统资源时,为了让系统正常运作,必须要解决这个问题。另一种相似的情况称为“活锁”。(wiki)死锁是指两个或两个以上的进程在执行过程中,由于竞争资源或者由于彼此通信而造成的

使用用JTAG 仿真器下载代码时,提示cannot load flash device description!解决办法

1、确认找到芯片2、在Flash Download中设置3、重新下载。OK

[pytorch] --- pytorch基础之dataset和dataloader

torch.utils.data.Dataset 是代表这一数据的抽象类(基类),即:Dataset 类是 pytorch 中图像数据中最为重要的一个类,也是 pytorch中所有数据集加载类中应该继承的父类。(1)dataloader 本质上是一个可迭代对象,使用 iter() 访问,不能使用 next() 访问,它本身就是一个可迭代对象, 使用for i, data in enumerate(

文章图片
#pytorch#人工智能#python
[C++] --- 程序性能分析,程序瓶颈定位

gperftools(Google Performance Tools)是一套由 Google 开发的性能分析工具集,主要用于 C/C++ 程序的性能诊断和优化,包含多个实用工具,覆盖内存管理、CPU 性能分析、堆内存检测等场景。1. CPU Profiler(CPU 性能分析器)功能:定位程序中 CPU 消耗较高的函数(热点函数),生成函数调用关系和耗时统计。特点:基于采样(默认每 10ms 采

#c++#java#开发语言
[深度学习入门] --- 神经网络基础

人工神经网络中常用到激活函数(activation function):ReLu和Sigmoid。定义:卷积核大小是指卷积核在输入数据上滑动时所覆盖的维度大小。通常用一个二维的数字表示,如 3×3 或 5×5,表示卷积核是一个 3 行 3 列或 5 行 5 列的矩阵。影响:卷积核的大小决定了它能够捕捉的局部特征的范围。较小的卷积核(如 3×3)更适合于捕获细粒度的特征,如边缘、纹理等。较大的卷积核

文章图片
#深度学习#神经网络#人工智能
[深度学习入门] --- 神经网络基础

人工神经网络中常用到激活函数(activation function):ReLu和Sigmoid。定义:卷积核大小是指卷积核在输入数据上滑动时所覆盖的维度大小。通常用一个二维的数字表示,如 3×3 或 5×5,表示卷积核是一个 3 行 3 列或 5 行 5 列的矩阵。影响:卷积核的大小决定了它能够捕捉的局部特征的范围。较小的卷积核(如 3×3)更适合于捕获细粒度的特征,如边缘、纹理等。较大的卷积核

文章图片
#深度学习#神经网络#人工智能
    共 45 条
  • 1
  • 2
  • 3
  • 4
  • 5
  • 请选择