学习记录
Wenyu_1307
这个作者很懒,什么都没留下…
展开
-
Android 音视频开发阅读笔记
视频编码系类:1 MPEG系列(运动图像专家组)2 H.26x(ITU国际电传视讯联盟)音频编码1. AAC2 MP33 AC3(Audio Coding Verison3)多媒体播放组件(Android)1 MeidaPlayer:播放控制2 MeidaCodex:音视频编解码3 OMX:多媒体部分采用编解码标准4 StageFright:5 Au...转载 2019-07-14 15:30:42 · 254 阅读 · 0 评论 -
牛课网练习题
1 内存主要用的:栈区,堆区,静态区,代码区2,一个B类网络,划分成32个子网,每个子网最多1台主机。20243 vi d的两种工作模式, 命令模式和编辑模式4 linux的通信模式:(1) 管道(2) 消息队列(3) 共享内存(4) 信号量(5) 信号(6) 套接口5按序描述BGP协议选路原则?路径需可达 比较权重大小,选择权重值大的路径 比较本地优先级大小,选择本地优...原创 2019-07-20 16:44:15 · 226 阅读 · 0 评论 -
如何用队列来求一个二叉树的最大高度?
传统使用递归方式,本题有两种方式:a.深度遍历:使用栈的方式来实现递归,栈的最大高度即为最大高度;b.层次遍历:使用队列,主要标记一层结束(每次插入NULL指针标记,或者使用计数器)和层次的累加;下面给出层次遍历方式代码intmaxDepthWithLevelTraversal(TreeNode*root){if(!root){return0;}in...转载 2019-07-20 16:45:22 · 323 阅读 · 0 评论 -
机器学习
1一监狱人脸识别准入系统用来识别待进入人员的身份,此系统一共包括识别4种不同的人员:狱警,小偷,送餐员,其他。下面哪种学习方法最适合此种应用需求:()。多分类问题2在Logistic Regression 中,如果同时加入L1和L2范数,会产生什么效果()可以做特征选择,并在一定程度上防止过拟合解析//L1范数用于特征选择,L2范数可以约束模型参数,抑制过拟合,增强泛...原创 2019-07-20 17:11:00 · 749 阅读 · 0 评论 -
机器学习2
11一般,k-NN最近邻方法在( )的情况下效果较好样本较少但典型性好12 下列哪个不属于CRF模型对于HMM和MEMM模型的优势( )速度快crf 的优缺点CRF的优点:特征灵活,可以容纳较多的上下文信息,能够做到全局最优CRF的缺点:速度慢13下列时间序列模型中,哪一个模型可以较好地拟合波动性的分析和预测AR模型:自回归模型,是一种线性模型MA...原创 2019-07-20 17:25:36 · 461 阅读 · 0 评论 -
机器学习3
1 移动平均法1.1 简单移动平均法 设有一时间序列y1,y2,..., 则按数据点的顺序逐点推移求出N个数的平均数,即可得到一次移动平均数. 1.2 趋势移动平均法 当时间序列没有明显的趋势变动时,使用一次移动平局就能够准确地反应实际情况,直接用第t周期的一次移动平均数,来预测第t+1周期的值。时间序列出现线性变动的趋势时候,用一次移动平均数来预测就会出现...转载 2019-07-20 20:18:24 · 152 阅读 · 0 评论 -
机器学习4
1 SPSS的界面中,以下是主窗口是( )数据编辑窗口2在其他条件不变的前提下,以下哪种做法容易引起机器学习中的过拟合问题()SVM算法中使用高斯核/RBF核代替线性核解析:造成过拟合的原因1 训练数据不足,有限的训练数据2 训练模型过度复杂,导致了泛华能力变差。3在HMM中,如果已知观察序列和产生观察序列的状态序列,那么可用以下哪种方法直接进行参数估计(...转载 2019-07-20 20:34:19 · 877 阅读 · 0 评论 -
【转】多线程和多进程,以及python 的实现
https://www.cnblogs.com/yuanchenqi/articles/6755717.html转载 2019-07-30 21:56:32 · 112 阅读 · 0 评论 -
常见全监督的方法
全监督的方法1.1kernel method 先理解什么是support vector machine(svm),物理意义:假设超平面()能够将样本正确分类,具有最大间隔的(maimum margin)的划分超平面。从而引出svm 的基本(1): we can get the dual problem for equation(1) by using La...原创 2019-07-22 10:10:21 · 1972 阅读 · 0 评论 -
常见的语言模型
延伸阅读:1. 基于CNN的短文本表达模型及相似度计算的全新优化模型LSF-SCNN,即基于词汇语义特征的跳跃卷积模型 (Lexical Semantic Feature based Skip Convolution neural network ),基于卷积神经网络模型引入三种优化策略:词汇语义特征 (Lexical Semantic Feature, LSF)、跳跃卷积 (Skip...原创 2019-07-16 16:45:18 · 666 阅读 · 0 评论 -
深度学习知识点的分类
概率基础知识的总结边缘概率 条件概率 条件概率的链式法则 独立性和条件独立性 期望,方差和协方差 PCA的推导 常用的概率分布 高斯分布 Multioulli 分布 Bernoulli 分布 指数分布 Dirac 分布和经验分布 分布的混合(高斯混合模型) 贝叶斯统计(最大后验(MAP)估计) 贝叶斯分类器 结构化概率模型 最大似然估计 概率图模...原创 2019-07-16 16:32:58 · 293 阅读 · 0 评论 -
CUDA中block和thread的合理划分配置
转载原文出处https://blog.csdn.net/dcrmg/article/details/54850766addKernel<<<1, size>>>(dev_c, dev_a, dev_b);<<<>>>运算符完整的执行配置参数形式是<<<Dg, Db, Ns, S>>&...转载 2019-07-16 16:14:57 · 1302 阅读 · 0 评论 -
Android 音视频开发(何俊林)阅读笔记(2)
MeidaPlayer:播放控制作用:用于控制视频/音频文件以及流的播放, 由状态机管理。状态周期转载 2019-07-14 15:52:33 · 908 阅读 · 0 评论 -
Android 音视频开发(何俊林)阅读笔记(3)
1 流程1通过getService从ServiceManager 获取对应的MediaPlayerService.2通过调用native_setup函数创建播放器3 通过调用setDataSource把URL地址传入地址底层4 通过调用SetDisplay 传入SurfaceHolder, 解码后的数据放在SurfaceHolder 中,最后显示在SurfaceView 中创建...转载 2019-07-14 17:01:17 · 2660 阅读 · 1 评论 -
实习面试经验记录
1 问题围绕具体的场景。比如2 手写算法代码3 5G发展趋势4 并行开发,设计模式(支持可以扩展),具体问题的解决方案(分布式,缓存,消息队列)...原创 2019-07-11 10:49:23 · 180 阅读 · 0 评论 -
CUDA优化策略【转载】
原文地址CUDA程序优化应该考虑的点:精度:只在关键步骤使用双精度,其他部分仍然使用单精度浮点以获得指令吞吐量和精度的平衡。延迟:需要首先缓冲一部分数据,缓冲的大小应该可以保证每个内核程序处理的一批数据能够让GPU慢负荷工作。计算量:计算量太小的程序使用CUDA很不合算;当需要计算的问题的计算密集度很低的时候,执行计算的时间远远比IO花费的时间短,整个程序的瓶颈出现在PCI-E带...转载 2019-07-16 14:55:05 · 369 阅读 · 0 评论 -
CUDA中对线程块的设置[转载]
原文地址1. 尽量满足每个sm上面的最大线程数。2. 每个sm支持的线程块有上限,所以每个线程块的线程数不能太少,并且最好为32或16的倍数。3.当一个sm中的Block的所有线程形成阻塞(同步或者等待)时,相应的SM会闲置导致效率下滑。通常让block的数目是sm的2倍以上,方便sm对其进行调度,使其在时间轴上重叠来提高利用率。4. 对每个线程块进行设置时,如果使用了寄存器,需要...转载 2019-07-16 14:59:21 · 1010 阅读 · 0 评论 -
CUDA 编程知识点[转载]
原文链接Cuda中对内核函数的调用<<< m , n >>>,m表示线程块的个数,n表示每个线程块的线程数,m个线程块构成一个线程格。M和n可以是一维的或者二维(三维)的,即使n是一维的,那么m也可以是二维的 共享内存对于每个线程块创建一个副本,但是共享内存对于所有的线程块中的线程都是相同的。 线程同步语句-syncthreads()在cuda的架构中...转载 2019-07-16 15:05:39 · 160 阅读 · 0 评论 -
CUDA中SM对线程块的调度
sm流处理器簇对blocks的调度策略在cuda中,GPU中的SM(比如GTX650有两个SM处理器)被CPU调度器把线程块逐个分配到SM上,每个SM同时处理这个被分配的线程块,但是每次每个时刻只能处理一个warp的线程束。由于有时候存在读取等操作导致等待,那么SM会转而处理其他warp 来掩盖这个延迟。一个warp 的线程束不是在同一线程块中。为什么 每次同时处理多个block,而且为什...转载 2019-07-16 15:35:52 · 4323 阅读 · 1 评论 -
半监督学习(semi-supervised learing)
1 未标记样本 【假设】数据分布信息和类别标记的联系。【常见假设】聚类假设(cluster assumption):同一族的样本属于同一个类别。 流形假设:数据分布在流形结构上:邻近的样本有相似...原创 2019-07-22 12:35:03 · 480 阅读 · 0 评论