-
12
热度 -
96
热度 -
79
热度 -
[综合] 第七周1静态成员应用
/* *程序的版权和版本声明部分 *Copyright(c)2013,烟台大学计算机学院学生 *Allrightsreserved. *文件名称:test.cpp *作者:王俊 *完成日期:2013年4月17日 *版本号:v1.0 */ #include<iostream> #inclu...
27
热度 -
[综合] 第七周2成员,友元,一般函数的区别
/* *程序的版权和版本声明部分 *Copyright(c)2013,烟台大学计算机学院学生 *Allrightsreserved. *文件名称:object.cpp *作者:王俊 *完成日期:2013年4月17日 *版本号:v1.0 *输入描述:无 *问题描述:Time为Date的友元类 *程序输...
58
热度 -
[综合] 第八周项目一任务*1*成员函数
/* *程序的版权和版本声明部分 *Copyright(c)2012,烟台大学计算机学院学生 *Allrightsreserved. *文件名称:1.cpp *作者:王俊 *完成日期:2013年4月19日 *版本号:v1.0 *输入描述:无 *问题描述: *程序输出: */ 代码输出: #inclu...
56
热度 -
60
热度 -
11
热度 -
[综合] 是结束也是开始-------我的c++之旅
时光飞逝,又是要备战考试的时候了。搭乘的贺老师牌的c++旅车,也快要开到中转站了。回想那时刚刚入学,初次体验用C++编程时的新奇和激动,突然发现自己老了,不!是心态老了。是发现这不是我所爱的那盘菜时的颓废,是发现“错上贼船”时的消极,所以在不知不觉中开始懈怠,开始为自己的懒惰找理由。甚至想就抱着得过...
13
热度 -
[综合] C语言读取文本字符串!
位图还不会读取,先从读取文本的字符串开始吧。今晚尝试学会位图的读取 这是自己写的程序,还有许多不成熟的地方 ********************************************************************* #include"stdafx.h"#include...
26
热度 -
[综合] 远见卓识,像CEO一样编写代码!
发表于 2013-10-2217:00| 4580次阅读|来源 DZone| 12条评论|作者 ZacGery CEO软件开发程序员编程经验分享 摘要:CEO和程序员这两个本来没有多少交集的职位,在现在看来这两者之间已经没有什么不可逾越的鸿沟了。最典型的例子就是Facebook创始人Mark...
98
热度 -
[综合] 自己编的一个图像反色代码
自己编的一个图像发色代码 #include"stdafx.h"#include<windows.h> intmain(intargc,char*argv[]){ FILE*in,*out;inti=0;intbmpWidth;out=fopen("f://lena_fan.bmp","...
81
热度 -
[综合] 卷积下采样和池化的区别
池化 通常池化层紧跟在CNN的卷积层之后。 池化方法: max-pooling:对邻域内特征点取最大值 mean-pooling:对邻域内特征点求平均 池化的作用: 降维,减少网络要学习的参数数量 防止过拟合 扩大感受野 实现不变性(平移、旋转、尺度不变性) 池化下采样比较粗暴,可能将有用的...
60
热度 -
[综合] 多目标跟踪(MOT)
核心搜索算法(常见的预测算法有Kalman(卡尔曼)滤波、扩展卡尔曼滤波、粒子滤波) Kalman滤波 Kalman滤波器是通过前一状态预测当前状态,并使用当前观测状态进行校正,从而保证输出状态平稳变化,可有效抵抗观测误差。 在视频处理的运动目标跟踪里,每个目标的状态可表示为(x,y,w,h),x和...
12
热度 -
5
热度 -
[综合] 梯度消失、爆炸原因及其解决方法
深层网络由许多非线性层堆叠而来,每一层非线性层都可以视为是一个非线性函数f(x)f(x)f(x)(非线性来自于非线性激活函数),最终的目的是希望这个多元函数可以很好的完成输入到输出之间的映射,整个深度网络可以视为是一个复合的非线性多元函数: F(x)=fn?(...f3?(f2?(f1?(x)?θ1...
56
热度 -
46
热度 -
[综合] NVIDIA Jetson
NVIDIAGPUCloud(NGC)是针对深度学习和科学计算优化的基于GPU加速的云平台。 得益于Volta架构,XavierNX是有48个TensorCores的,提供了6.8TFlops的FP16算力。尽管Volta架构的TensorCores不支持INT8,但XavierNX还有两个DLA(...
61
热度 -
71
热度 -
[综合] Roofline Model与深度学习模型的性能分析
任何模型(例如VGG/MobileNet等)都必须依赖于具体的计算平台(例如CPU/GPU/ASIC等)才能展现自己的实力。模型和计算平台的"默契程度"会决定模型的实际表现。RooflineModel提出了使用OperationalIntensity(计算强度)进行定量分析的方法,并给出了模型在计算...
88
热度