摘要：
CyclicBarrier的介绍和源码分析 CyclicBarrier的字母意思是可循环（Cyclic）使用的屏障（Barrier）。它要做的事情是，让一组线程到达一个屏障（也可以叫做同步点）时被阻塞，直到最后一个线程到达屏障，屏障才会开门，所有被屏障拦截的线程才会继续干活。线程进入屏障通过Cycl 阅读全文
摘要：
1.消息队列有两种模式：发布者订阅者模式，生产者消费者模式。 发布者订阅者模式：发布者发送消息到队列，每个订阅者都能收到一样的信息。 生产者消费者模式：生产者将消息放入队列，多个消费者共同监听，谁先抢到资源，谁就从队列中取走消息去处理，注意，每个消息最多只能被一个消费者接收。 2.Redis消息队列 阅读全文
摘要：
死锁定义：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一种阻塞现象，若无外力作用，它们都将无法推进下去，此时称系统处于死锁状态或系统产生了死锁，这些永远在相互等待的进程称为死锁进程。 例子：哲学家进餐问题 死锁产生的必要条件： 破坏产生死锁的任何一个必要条件都可以消 阅读全文
摘要：
Redis的安装略过 首先导入jedis.jar包 1.连接redis服务 写个简单的程序： 注意：说下2个主要的坑点： 1.Redis要配置下redis.conf文件 要配置什么呢？配置其监听的ip地址 2.第二个要注意的就是redis-server的启动要加参数 如果不加--protected- 阅读全文
摘要：
一 简介 开启慢查询日志，可以让MySQL记录下查询超过指定时间的语句，通过定位分析性能的瓶颈，才能更好的优化数据库系统的性能。 二 参数说明 slow_query_log 慢查询开启状态 slow_query_long_file 慢查询日志存放的位置（这个目录需要MySQL的运行账号的可写权限，一 阅读全文
摘要：
简介 VGG不仅在分类和定位中表现优异，而且可以应用到其他场景。Faster R-CNN，Fast R-CNN中特征提取部分应用了VGG-16网络 网络基本构成及方法 训练输入为224*224*3大小的RGB图像，需要减去图像均值，用一堆3*3,1*1的小卷积核进行卷积处理，连接max poolin 阅读全文
摘要：
非极大值抑制(Non-Maximum suppression,NMS)是物体检测流程中重要的组成部分。它首先基于物体检测分数产生检测框，分数高的检测框M被选中，其他与被选中检测框又明显重叠的检测框被抑制。该过程不断递归的应用于其余检测框。根据算法设计，如果一个物体处于预设的重叠阈值之内，可能会导致检 阅读全文
摘要：
非极大值抑制顾名思义就是抑制不是极大值的元素，搜索局部的极大值。这个局部代表的是一个邻域，邻域有两个参数可变，一个是邻域的维数，二是邻域的大小。这里不讨论通用的NMS算法，而是用于在目标检测中提取分数最高的窗口的。例如在行人检测中，滑动窗口经提取特征，经分类器分类识别后，每个窗口都会得到一个分数。但 阅读全文
摘要：
假设你要处理一个新数据集，让你做图片分类，这个数据集是关于Flowers的，问题是，数据集中flower的类别很少，数据集中的数据也不多，你发现从零开始训练CNN的效果很差，很容易过拟合，怎么办呢，于是你想到了使用Transfer Learning，用别人已经训练好的Imagenet的模型来做。 做 阅读全文
摘要：
在深度学习的学习过程中，可能会用到一些已经训练好的模型，比如Alex Net，google Net，VGG,Resnet等，那我们怎样对这些训练好的模型进行fine-tune来提高准确率呢？ 参考文章：https://blog.keras.io/building-powerful-image-cla 阅读全文