摘要：
C++中的迭代器和指针 在前面的内容中我们简单讲过，STL主要是由三部分组成 容器（container），包括vector，list，set，map等 泛型算法（generic algorithm），用来操作这些容器，包括find()，sort()，replace()等 迭代器（iterator）， 阅读全文
摘要：
深度学习一直被认为是一个黑盒子，但是试图对模型的理解仍然是非常必要的。先从一个例子来说明解释神经网络的重要性：古代一个小镇上的一匹马能够做数学题，比如给它一个题目 2+3 ，它踏马蹄 5 下后就会停下，这匹马被当地称作神马汉斯。后来人们发现，汉斯其实并不会做数学题，它通过观察主人的反应来判断什么时候 阅读全文
摘要：
写在前面：梯度下降法是深度学习优化的基础，因此本文首先探讨一维优化算法，然后扩展到多维。本文根据《最优化导论》(孙志强等译)的内容整理而来，由于笔者水平和精力有限，在此只是在简单层面做一个理解，如果要追求更严谨的数学理论，请大家参考相关书籍。在本文中，我们讨论目标函数为一元单值函数 \(f:R\ri 阅读全文
摘要：
一、map的基本概念 **map中所有的元素都是pair，即"key-value"，key起到索引的作用，value是实值。key和value通过一个映射关系来建立联系，**比如在数组中查找所有元素出现的个数，此时元素就是key，而value可以定义为元素的个数，通过对数组进行遍历之后就能对元素进行 阅读全文
摘要：
一、STL的基本概念 STL（Standard Template Library）标准模板库大体上分为六大组件，分别为容器，算法，迭代器，仿函数，适配器和空间配置器，其中最重要的是容器，算法和迭代器，容器和算法之间通过迭代器无缝连接。 容器：各种数据结构，比如vector，list，deque，se 阅读全文
摘要：
深度学习中的图像上采样方法 所谓上采样，就是将图像从一个较低的尺寸 \([C, H, W]\) 恢复到一个较大的尺寸 \([C, sH, sW]\)，其中 \(s\) 是上采样倍数，从小图到大图这一变换过程也叫图像的超分辨率重建。图像超分辨率重建是一个研究很深入的领域，对于大部分的应用场景，我们不需 阅读全文
摘要：
深度学习网络的轻量化 由于大部分的深度神经网络模型的参数量很大，无法满足直接部署到移动端的条件，因此在不严重影响模型性能的前提下对模型进行压缩加速，来减少网络参数量和计算复杂度，提升运算能力。 一、深度可分离卷积 了解深度可分离卷积之前，我们先看一下常规的卷积操作：对于一张 \(3 \times 1 阅读全文
摘要：
一、原始GAN的理论分析 1.1 数学描述 其实GAN的原理很好理解，网络结构主要包含生成器 (generator) 和鉴别器 (discriminator) ，数据主要包括目标样本 \(x_r \sim P_{r}\), 随机输入样本 \(z \sim P_{z}\) 。生成器的目的就是根据 \( 阅读全文
摘要：
Dataparallel 和 DataparallelDistributed 的区别 一、Dataparallel（DP） 1.1 Dartaparallel 的使用方式 Dataparallel 的使用方式比较简单，只需要一句话即可： net = nn.Dataparallel(net, devi 阅读全文
摘要：
二分法是在一个排好序的序列（数组，链表等）中，不断收缩区间来进行目标值查找的一种算法，下面我们就来探究二分法使用的一些细节，以及常用的场景： 寻找一个数； 寻找左侧边界； 寻找右侧边界。 一、二分法的通用框架 int binarySearch(vector<int>& nums, int targe 阅读全文