摘要： 1.先弄清楚模型融合中的投票的概念 分为软投票和硬投票，硬投票就是几个模型预测的哪一类最多，最终模型就预测那一类，在投票相同的情况下，投票结果会按照分类器的排序选择排在第一个的分类器结果。但硬投票有个缺点就是不能预测概率。而软投票返回的结果是一组概率的加权平均数。 https://blog.csdn 阅读全文

摘要： 单层时间复杂度: k是kenerl的尺寸，m是输出的下一层的feature map的尺寸 整个网络时间复杂度: 为什么时间复杂度只算了乘法操作而不算加法操作? 1.时间复杂度的理解 https://www.zhihu.com/question/21387264/answer/22046424 简单理 阅读全文

摘要： cnn pack 阅读全文

摘要： https://github.com/afantideng/R-FCN-PSROIAlign 阅读全文

摘要： 1.pooling的反向传播: https://blog.csdn.net/qq_21190081/article/details/72871704 pooling反向传播的原则:pooling的值和上一层对应的区域的loss(或者梯度)之和保持不变 mean pooling:把梯度平均分给4个值. 阅读全文

摘要： 1. 过拟合是什么？ https://www.zhihu.com/question/264909622 那个英文回答就是说h1、h2属于同一个集合，实际情况是h2比h1错误率低，你用h1来训练，用h2来测试，但h1的准确率比h2却高 个人理解：网络过分学习了训练集的特征，把不是这个训练集本质的特征也 阅读全文

摘要： 已投：1.拼多多 2.快手 3.头条 4.网易(未做笔试) 5.猿题库 6.爱奇艺 7.一点咨询(自己已经拒绝了他们) 8.京东（只是官网，没有走x事业部）9.海康 10.阿里 11.依图 12.飞步 13.roadstar 未投：1.百度 2.腾讯 3.京东 4.美团 5.滴滴 6.地平线 7.f 阅读全文

摘要： http://www.cnblogs.com/neopenx/default.html?page=1 这个博主很牛逼,写的东西也很好,多学学,无论是对框架,还是对自己学习c++帮助都非常大 阅读全文

摘要： 下图是jiayangqing在知乎上的回答,其实过程就是把image转换成矩阵,然后进行矩阵运算 卷积的实现在conv_layer层,conv_layer层继承了base_conv_layer层,base_conv_layer层是卷积操作的基类,包含卷积和反卷积.conv_layer层的前向传播是通 阅读全文

摘要： https://hal.inria.fr/file/index/docid/112631/filename/p1038112283956.pdf caffe的卷积计算的优化来自这篇paper,实际上就是将卷积核矩阵和feature map矩阵(或者图像矩阵)转换为大的矩阵 jiayangqing自己 阅读全文