- 博客(4)
- 资源 (15)
- 收藏
- 关注
RSS订阅原创 反卷积 逆卷积 转置卷积(Transposed Convolution；Fractionally Strided Convolution；Deconvolution) 输出维度shape计算
正常卷积运算： 如上图：4x4的输入，卷积Kernel为3x3, ,输出为2x2。其计算可以理解为： 输入矩阵展开为4*4=16维向量，记作x 输出矩阵展开为2*2=4维向量，记作y 卷积核C为如下矩阵： 卷积运算可表示为y = Cx（可以对照动图理解），而卷积的反向传播可以如下，相当于乘以C^T 反卷积运算： 如上图：2x2的输入，卷积Kernel为3x3, ,输出为4x4。如果
2018-02-27 13:49:11
19351
7
原创 numpy 中的Axis（轴）含义 np.newaxis numpy.expand_dims
以下举例： np.array([1, 2, 3]) 当你看以上数组时，从1到2，到3。这就是所谓的axis=0轴 np.array([ [1, 2], [3, 4], [4, 5] ]) 再用相同的方法，看上面数组，首先是从[1, 2]到 [3, 4]到[4, 5]。这就是从0轴视角看的数据，当我们选择0轴所在的第一个元素[1, 2]时，我们看到的是从1到2。这就是从1轴看到的数据。...
2018-02-26 19:31:13
2616
1
原创 防止数据库操作出错的几种思路
如：积分发放 1、扣除发放者积分 2、增加接受者积分 可能存在问题是步骤1执行后，由于某种原因导致步骤2没有执行。一般有以下几种方法：1、软处理 先假设扣除积分（设置一个状态），等确定增加接受者积分后，再根据状态扣除积分。2、根据操作重要性排序优先处理 优先保证重要性的操作先完成，确定完成后再执行下一步操作。3、数据库回滚 开启数据的binlog功能，利用日志回滚数据库数据。4、SQ
2018-02-25 21:54:32
1567
转载 数据库优化性能解析
1.数据库访问优化法则要正确的优化SQL，我们需要快速定位能性的瓶颈点，也就是说快速找到我们SQL主要的开销在哪里？而大多数情况性能最慢的设备会是瓶颈点，如下载时网络速度可能会是瓶颈点，本地复制文件时硬盘可能会是瓶颈点，为什么这些一般的工作我们能快速确认瓶颈点呢，因为我们对这些慢速设备的性能数据有一些基本的认识，如网络带宽是2Mbps，硬盘是每分钟7200转等等。因此，为了快速
2018-02-25 20:13:46
1279
视频、图像原理 设配选择
2018-04-12
基于图像处理和K近邻的车牌号识别 opencv python
2018-01-16
stsw-link009 for window10.zip
2016-02-27
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人