摘要：
1. 平方损失函数 L2范数损失函数，也被称为最小平方误差（LSE）。它是把目标值$y_i$与估计值$f(x_i)$的差值的平方和最小化。一般回归问题会使用此损失，离群点对次损失影响较大。 $L=\sum_{i=1}^n(y_i−f(x_i))^2$ 2.交叉熵损失函数 分类问题因为输出的是概率，故 阅读全文
摘要：
激活函数的作用 如果不用激活函数，每一层输出都是上层输入的线性函数，无论神经网络有多少层，输出都是输入的线性组合。故而激活函数可以增加模型的表达能力。 1.sigmoid函数 sigmoid函数也叫 Logistic 函数，用于隐层神经元输出，取值范围为(0,1)，它可以将一个实数映射到(0,1)的 阅读全文
摘要：
一、什么是多态 多态性就是不同对象收到相同消息，产生不同的行为。可以用同样的接口访问功能不同的函数，从而实现“一个接口，多种方法”。 二、多态的种类 静态联编支持的多态性称为编译时多态性（静态多态性）。在C++中，编译时多态性是通过函数重载和模板实现的。利用函数重载机制，在调用同名函数时，编译系统会 阅读全文
摘要：
一、程序编译过程 程序编译流程: 预处理->编译->汇编->链接 具体的就是： 源代码（source coprede）→预处理器（processor）→编译器（compiler）→汇编程序（assembler）→目标程序（object code）→链接器（Linker）→可执行程序（executab 阅读全文
摘要：
1. Gradient Descent 1.1 Batch Gradient Descent 在每一轮的训练过程中，Batch Gradient Descent算法用整个训练集的数据计算cost fuction的梯度，并用该梯度对模型参数进行更新，其中$\theta$是训练参数，$\eta$是学习率 阅读全文
摘要：
IOU是指两个bounding box的重合程度。 其中矩形框A和B的IOU=A∩B/A∪B,实际运算是对应的面积比较。 阅读全文
摘要：
官方原理图 前向传播过程：将数据按照batch维度分发到各个GPU上（平均分配），而后将模型拷贝到GPU，各GPU并行前向传播，将各个输出(o1、02、03、04)汇总到总的GPU。 后向传播过程：在总GPU上并行计算得到损失，并得到初始梯度；将各梯度分发到各GPU；并行计算梯度；汇总梯度，更新网络 阅读全文
摘要：
1.yolo：You Only Look Once: Unified, Real-Time Object Detection 论文地址：https://arxiv.org/pdf/1506.02640.pdf 处理流程：输入图片需要缩放到448*448，最后生成一个维度为7*7*30的tensor。 阅读全文
摘要：
一、线程与进程 1.概念 进程：是资源分配的基本单位，每一个进程都有它自己的地址空间，是正在运行的程序的实例。一般情况下，包括文本区域（text region）、数据区域（data region）和堆栈（stack region）。 文本区域存储处理器执行的代码； 数据区域存储变量和进程执行期间使用 阅读全文
摘要：
python装饰器（fuctional decorators）就是用于拓展原来函数功能的一种函数，目的是在不改变原函数名(或类名)的情况下，给函数增加新的功能。 1.函数作为参数值返回 def hi(name="yasoob"): def greet(): return "now you are i 阅读全文