blackmmu的博客

李宜烜 > 2020/02/02 > Handheld Multi-Frame Super-Resolution论文理解 > image2020-2-2_21-0-36.png以上为论文算法流程图：a)RAW输入视频帧序列b)提取图像局部梯度c)高斯核回归d)帧局部对齐采用HDR+算法e)局部鲁棒性统计f)运动鲁棒性g)分颜色通道的贡献叠加h)图像融合结果总述...

本机环境今天遇到一个安装时候的问题，所以在这里进行一下记录，也为其他人提供些方便。 首先，我使用的Ubuntu16.04，显卡GeForce GTX 1080，环境tensorflow1.2-cuda8.0-cudnn5.1.10。 在运行程序的时候出现一下错误：2018-04-05 11:09:14.862073: E tensorflow/stream_executor/cuda/...

为了防止各位研究者再运用代码是出现像我一样的错误，本篇博客，粗讲网络结构，细讲网络代码环境配置过程。在湿胸的帮助下，以及在github上进行提问，终于用着别人的代码，实现了光流预测过程。Flownet的网络结构首先在《FlowNet: Learning Optical Flow with Convolutional Networks》这篇文章中，第一次提出用深度学习的方式来进行光流预测，当然因为第一

Spark 基础及RDD基本操作spark的优势首先，Hadoop这项大数据处理技术大概已有十年历史，而且被看做是首选的大数据集合处理的解决方案。MapReduce是一路计算的优秀解决方案，不过对于需要多路计算和算法的用例来说，并非十分高效。数据处理流程中的每一步都需要一个Map阶段和一个Reduce阶段，而且如果要利用这一解决方案，需要将所有用例都转换成MapReduce模式。在下一步开始之前，上

互联网大数据框架介绍（二）Hive，HBase继续上一节的hadoop，HDFS，yarn，MapReduce。这节继续想下讲，将数据仓库Hive，和大数据的数据库HBaseHive首先，我们要明确什么是Hive，Hive是构建于Hadoop的HDFS和MapReduce上，的用于管理和查询结构化/非结构化数据的数据仓库。Hive分别有三个部分组成： 1）使用HQL作为查询接口 2）使用HDFS

互联网大数据框架介绍（一）Hadoop，HDFS，yarn，Mapreduce如下图，这是现在流行的大数据技术线路图，也是最近才学习大数据的课程，所以对以下几个方面，hadoop，HDFS，yarn，Hbase，Mapreduce，Spark，Spark Streaming，Hive，Sqoop，这几个方面从数据存储到ETL这些核心部分进行介绍，。第一部分：hadoop首先，什么是hadoop：