Startapi的博客

概述Numpy是高性能科学计算好数据分析的基础包，提供了矩阵运算的功能，在深度学习和数据分析领域广泛应用。。使用创建array数组vector = np.asarray([1,2,3,4]);创建zero数组a = np.zeros(10) # 创建向量 a1 = np.zeros(shape=(5,3)) # 创建5行，3列的0矩阵创建one矩阵one = np.ones((3,4));创建自定义值的矩阵user_define = np.full((3, 5), 110) #

零拷贝技术，本质上讲就是通过减少非必要的内存拷贝以及上下文切换，来提高文件在通道间复制速度的一种技术。以本文中的`transferTo()`方法为例，通过该技术，可以将原来四次内存间拷贝减少成两次，将四次上下文切换减少成两次，大大提高复制的速度。但零拷贝技术并非万能的，它有自己的使用场景，对于将大量数据从一个 I/O 通道复制到另一个通道的情况（例如 Web 服务器），都是合适的。而对于磁盘文件间的复制，比如从一个磁盘位置复制到另一个磁盘位置，这种方式是不可用的。

本文主要讲了通过回溯法如何解决排列、组合、子集这三类问题的基本思路：组合问题关键点在于用一个start来保证每次选择的元素是之前未被选择过的排列问题关键点在于通过contains()来保证每次选择的元素都未被包含在trace中这两类问题回溯结束的时机都是搜索到的元素达到了预定的长度，即我们可以判断trace中元素的长度来判断是否终止此次回溯。而子集问题则不然，因为它的长度是变长的，所以每次进入搜索的第一件事情就是将结果加入到结果集中。

概述deeplab v3+是deeplab系列中最新内容，也是当前最流行的语义分割算法，本篇文章主要记录的是个人在学习deeplab v3+过程中的一些收获以及个人对该算法的理解。首先我们先简单回顾下deeplap v3 相关的创新点以及不足。在上一讲的时候我们讲到v3相比v2创新点主要有四个方面，首先它提出了更加通用的框架，其次重新设计了空洞卷积，将空洞卷积和级联模块结合起来使用，而不再单独使用。第三点它改进了ASPP，在ASPP的最后一层使用了BN层。最后一点是去掉了CRF。并且我们在最后，也说了d

概述首先我们简单考虑一下什么是语义分割？语义分割是从粗推理到精推理的自然步骤。原点可以定位在分类，分类包括对整个输入进行预测。下一步是本地化/检测，它不仅提供类，还提供关于这些类的空间位置的附加信息。最后，语义分割通过对每个像素进行密集的预测、推断标签来实现细粒度的推理，从而使每个像素都被标记为其封闭对象区域的类别。其实简单来说，**语义分割就是像素级别的图像分类。**我们以下边一幅图为例：左侧是原图，右侧是经过图像分割之后的图片，结果图中我们可以看到，经过图片分割后，不同类别的物体，例如行人飞机、

本文主要是对隆过滤器的原理，实现方法进行解释，并且借助Guava中的BloomFilter类对布隆过滤器的使用方法进行详尽阐述，以期能帮助读者初步掌握布隆过滤器的基本原理和使用方法，由于作者水平有限，文中若有错误，敬请之处，不胜感激！

单部电梯调度过程中的基本原则：使用操作系统的scan算法多部电梯调度所遵循原则：（1） 顺向接反向不接原则：当1号梯正在上行时，如果其上方出现上行的召唤信号，则由1号梯去完成接送任务，而基站的2号梯留在原位置不予应答。如果在1号梯的上方出现下行召唤信号，则在基站的2号接受此接送指令。（2） 当同时有多个向上请求和向下请求时，一个电梯到请求调度的最高楼层开始向下按照原...

P1001 A+B Format原题Calculate a+b and output the sum in standard format – that is, the digits must be separated into groups of three by commas (unless there are less than four digits).Input Specific...

P1005 Spell It Right原题Given a non-negative integer N, your task is to compute the sum of all the digits of N, and output every digit of the sum in English.Input Specification:Each input file cont...