学习中的知识点（链接）
在看论文和敲代码的过程中，有很多需要查找了解的知识点，但是以往这些知识点看过之后很容易忘记，因此将每次寻找到的知识点相关博客整理在这，以供后面复习查看。（所有博客都会附上链接，侵删！！ -_-）
LSTM
LSTM的理解：
神经网络会受到短时记忆的影响。 如果一条序列足够长，那它们将会很难把信息从较早的时间步传送到后面的时间步。介入，处理一段文本进行预测，那么RNN可能从一开始就会遗漏一些重要的信息。而LSTM则能够解决这样的问题，通过LSTM中的“门”结构，网络可以学得哪些数据是重要的要保留的，哪些数据是无足轻重，可以删除的。当然，这边所说的保留和删除是通过权重来实现的，若这个数据很重要，那么必然给这个数据赋予的权值就大，数据不重要的时候，权值就自然很小，甚至趋向于0.
链接：
LSTM详解
大名鼎鼎的LSTM详解
双向LSTM (BiLSTM) (双向RNN)
双向lstm_LSTM结构解析
单向LSTM与双向LSTM对比
LSTM模型、双向LSTM模型以及模型输入输出的理解
高帧率
高帧率理解：
电影行业标准的帧率是24帧/秒，那么高帧率就是要比24大的帧率，40帧/秒，70/秒等，现在一些游戏和电影中已经存在高帧率，高帧率会带来更丰富的内容以及细节。
链接：
匈牙利算法
链接：
视觉-注意力机制
通道注意力，空间注意力，自注意力
链接
损失函数
交叉熵损失函数多用于分类问题中
链接：
交叉熵损失函数：一文读懂交叉熵损失函数
Transformer
图解Transformer
链接
视频压缩
H264视频压缩算法
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
