摘要：
目标检测是深度学习的一个重要应用，就是在图片中要将里面的物体识别出来，并标出物体的位置，一般需要经过两个步骤：1、分类，识别物体是什么 2、定位，找出物体在哪里 除了对单个物体进行检测，还要能支持对多个物体进行检测，如下图所示： 这个问题并不是那么容易解决，由于物体的尺寸变化范围很大、摆放角度多变、 阅读全文
posted @ 2018-04-05 22:58
thinker1017
阅读(855)
评论(0)
推荐(0)
摘要：
2014年，牛津大学计算机视觉组（Visual Geometry Group）和Google DeepMind公司的研究员一起研发出了新的深度卷积神经网络：VGGNet，并取得了ILSVRC2014比赛分类项目的第二名（第一名是GoogLeNet，也是同年提出的）和定位项目的第一名。VGGNet探索 阅读全文
posted @ 2018-04-05 22:56
thinker1017
阅读(561)
评论(0)
推荐(0)
摘要：
2012年，Alex Krizhevsky、Ilya Sutskever在多伦多大学Geoff Hinton的实验室设计出了一个深层的卷积神经网络AlexNet，夺得了2012年ImageNet LSVRC的冠军，且准确率远超第二名（top5错误率为15.3%，第二名为26.2%），引起了很大的轰动 阅读全文
posted @ 2018-04-05 22:54
thinker1017
阅读(1077)
评论(0)
推荐(0)
摘要：
近几年来，卷积神经网络（Convolutional Neural Networks，简称CNN）在图像识别中取得了非常成功的应用，成为深度学习的一大亮点。CNN发展至今，已经有很多变种，其中有几个经典模型在CNN发展历程中有着里程碑的意义，它们分别是：LeNet、Alexnet、Googlenet、 阅读全文
posted @ 2018-04-05 22:52
thinker1017
阅读(3219)
评论(0)
推荐(3)
摘要：
在上一篇文章中，介绍了 卷积神经网络（CNN）的算法原理，CNN在图像识别中有着强大、广泛的应用，但有一些场景用CNN却无法得到有效地解决，例如： 语音识别，要按顺序处理每一帧的声音信息，有些结果需要根据上下文进行识别； 自然语言处理，要依次读取各个单词，识别某段文字的语义 这些场景都有一个特点，就 阅读全文
posted @ 2018-04-05 22:46
thinker1017
阅读(952)
评论(0)
推荐(1)
摘要：
这几年深度学习快速发展，在图像识别、语音识别、物体识别等各种场景上取得了巨大的成功，例如AlphaGo击败世界围棋冠军，iPhone X内置了人脸识别解锁功能等等，很多AI产品在世界上引起了很大的轰动。在这场深度学习革命中，卷积神经网络（Convolutional Neural Networks，简 阅读全文
posted @ 2018-04-05 22:42
thinker1017
阅读(1033)
评论(0)
推荐(0)
摘要：
当我们在使用spark编写mr作业是，最后都要涉及到调用reduce,foreach或者是count这类action来触发作业的提交，所以，当我们查看这些方法的源码时，发现底层都调用了SparkContext的runJob方法，而SparkContext的runJob方法又调用的DAGSchedul 阅读全文
posted @ 2018-04-05 22:30
thinker1017
阅读(299)
评论(0)
推荐(0)
摘要：
一、大致介绍 二、三、四章节请看上一章节 四、源码分析Netty服务端启动 上一章节，我们主要分析了一下线程管理组对象是如何被实例化的，并且还了解到了每个线程管理组都有一个子线程数组来处理任务； 那么接下来我们就直接从4.6开始分析了： 4.6、为serverBootstrap添加配置参数 4.7、 阅读全文
posted @ 2018-04-05 22:27
thinker1017
阅读(305)
评论(0)
推荐(0)
摘要：
一、大致介绍 二、简单认识Netty 2.1 何为Netty？ 2.2 为什么使用Netty？ 2.3 大致阐述启动流程 2.4 Netty服务端启动Demo 三、常用的类结构 四、源码分析Netty服务端启动 4.1、创建bossGroup对象 4.2、实例化线程管理组的孩子结点children[ 阅读全文
posted @ 2018-04-05 22:24
thinker1017
阅读(374)
评论(0)
推荐(0)
浙公网安备 33010602011771号