摘要： -- 原文：https://blog.csdn.net/KimLK/article/details/78064384 -- 阅读全文

摘要： MATLAB中图像的基本操作 1、读取、显示图片 MATLAB中提供了immread()与imshow（）函数读取和显示图片。其中读取函数imread（）原型： A是结构体名，用来存储读入的图像数据。filename是读取的文件名，文件名要用”括起来。fmt是读取文件的类型如：jpg、png等等，这 阅读全文

该文被密码保护。 阅读全文

摘要： 01 月份 january 一月 简称 Jan February 二月 简称 Feb March 三月 简称 Mar April 四月 简称 Apr May 五月 简称 May June 六月 简称 Jun July 七月 简称 Jul August 八月 简称 Aug Septemper 九月 简 阅读全文

摘要： 在日常生活中，很多人喜欢吃仙人掌果。仙人掌果里面有籽，不晓得这个籽是不是可以吃。接下来小编为大家介绍仙人掌果的籽是否可以吃！ 仙人掌果的功效与作用 行气活血 促进人体气血运行，宜于治疗血瘀证。 祛湿退热 味苦，能清心泻火，清热除烦，能够消除血液中的热毒。适宜于容易上火的人士食用。 抗氧化 具有抗氧化 阅读全文

摘要： 虽然有许多人对大蒜有特别的喜好，认为大蒜既能杀菌消炎，又能健脑益智，多吃无妨，但科学家认为，每天吃一瓣生蒜是比较合适，若是熟蒜吃个两三瓣也就够了，多吃并无益处。最近，SARS疫情渐渐平息，不过大家对于预防也没敢松懈，很多人找了各种各样的方法提高自己的免疫力，大蒜因为能预防和治疗多种疾病，也被人们认为 阅读全文

摘要： 原文：https://zhuanlan.zhihu.com/p/76827460?utm_source=wechat_session&utm_medium=social&utm_oi=810517722894045184 这里是 王喆的机器学习笔记 的第二十四篇文章。最近互联网公司的秋招如火如荼的进 阅读全文

摘要： 本文转自http://blog.csdn.net/kris_fei/article/details/51822435 Kernel branch: 3.0.35 CPU的频率调节模式：1. Performance. 不考虑耗电，只用最高频率。2. Interactive. 直接上最高频率，然后看CP 阅读全文

摘要： Zynq可扩展处理平台是赛灵思新一代 FPGA的可编程技术的产品系列。与采用嵌入式处理器的FPGA不同，Zynq产品系列的处理系统不仅能在开机时启动，而且还可根据需要配置可编程逻辑。采用这种方法，软件编程模式与全功能的标准ARM处理SoC毫无二致。 与之相关和不同的是，PYNQ = Python + 阅读全文

摘要： 在上次的动画简介中, 我们大概了解了一些迁移学习的原理和为什么要使用迁移学习. 如果用一句话来概括迁移学习, 那务必就是: “为了偷懒, 在训练好了的模型上接着训练其他内容, 充分使用原模型的理解力”. 有时候也是为了避免再次花费特别长的时间重复训练大型模型. CNN 通常都是大型模型, 下面我们拿 阅读全文

摘要： 使用命令前用cat /proc/mtd 查看一下mtdchar字符设备；或者用ls -l /dev/mtd*#cat /proc/mtddev: size erasesize namemtd0: 00c00000 00020000 “ROOTFS”mtd1: 00200000 00020000 “B 阅读全文

摘要： 本文将介绍linux下新建文件或文件夹、删除文件或文件夹命令。 touch能够新建文件，mkdir用来新建文件夹。rm用来删除文件或文件夹。 本文将选取ubuntu14.04发行版做为描写叙述基础。 阅读全文

摘要： 算法和数据结构纷繁复杂，但是对于Linux Kernel开发人员来说重点了解Linux内核中使用到的算法和数据结构很有必要。 在一个国外问答平台stackexchange.com的Theoretical Computer Science子板有一篇讨论实际使用中的算法和数据结构，Vijay D做出了详 阅读全文

摘要： 原文：https://zhuanlan.zhihu.com/p/65116688 经典强化学习： 在标准强化学习任务中，智能体与环境之间的交互作用常常建模为马尔科夫决策过程，本专栏的第一讲就是马尔科夫决策过程，不熟悉的读者可以到第一讲去看看。为了保证行文连贯性，这里再简单重复下马尔科夫决策过程。 马 阅读全文

摘要： 原文：https://zhuanlan.zhihu.com/p/68205048 与其他机器学习方法相比，比如监督式学习、迁移学习、甚至非监督式学习学习相比，深度强化学习方法极其需要大量数据，而且常常不稳定，从性能上来说可能不是最好的选择。 RL一直以来只成功地应用于那些可以根据需要生成大量模拟数据 阅读全文