深入理解ANDROID 卷3

上学期学了这门专业课，寒假整理一下笔记，也算为推迟的考试做准备吧，

我们通常讲的“线性度”都是指“积分非线性”，积分非线性一般以百分比给出，或者以位数给出。举个例子：AD7705（16位）的datasheet上说有0.003%的非线性。1LSB为1/65535=0.0015%，所以也可说AD7705有2LSB的非线性。“微分非线性”不常用， AD7705的datasheet上说：“16位无失码”，那就是说明它的微分非线性小于1LSB。

目录 一、何为目标检测 二、如何做到目标检测 三、R-CNN 引入 R-CNN的缺点有哪些 四、Fast R-CNN 引入 Fast R-CNN比R-CNN优化的地方，以及其依旧存在的问题 五、Faster R-CNN 引入 网络结构 网络训练 RPN网络训练 总体流程 RPN网络标签的生成 RPN网络LOSS Faster R-CNN网络训练 一、何为目标检测 给你一张图片，告诉我图里有什么？在哪？ 二、如何做到目标检测         学过深度学习的都知道已经事情，一个深度神经网络就是一个巨大的函数，给它输入，它给你输出，相信很多读者都自己构建过深度神经网络并在MNIST手写数字数据集上

绝对值得拜读的一步大牛之作，个人推荐读一读。深入学习，请支持原版。。。

什么是备忘录模式 备忘录模式（ Memento Pattern）在不破坏封装性的前提下，捕获一个对象的内部状态，并在该对象之外保存这个状态。这样以后就可将该对象恢复到原先保存的状态。备忘录模式属于行为型模式。 通俗的讲，备忘录故名思意就是去记录某些事情，在程序世界中它主要用来记录一个对象的某种状态，更像是“后悔药”，从备忘录对象里获取原来的数据将对象的状态恢复到原先保存的时候。 传统方式的问题分析 想要学习一个设计模式，首要的就是了解这个设计模式解决什么。 当我们没有学习备忘录模式的时候，我们想要去保存一个对象的状态，就会去新建一个对象。也就是说：一个对象对应一个保存对象状态的对象。当我们的对

使用Python进行文本分析-第二版 自然语言处理从业者指南 文本分析有时会由于文本数据的非结构化和嘈杂的性质以及大量可用信息而变得不堪重负，令人沮丧。 “使用Python进行文本分析”是一本书，其中包含674页有用的信息，这些信息基于技术，算法，经验以及随着时间的推移在分析文本数据时吸取的各种经验教训。 该存储库包含本书中使用的数据集和代码。 我还将不时在此处添加各种笔记本和奖励内容。 继续看这个空间！ 拿书 关于这本书 利用Python中的自然语言处理（NLP），并学习如何设置自己的健壮环境来执行文本分析。 第二版经过了重大修改，并根据NLP的最新趋势介绍了一些重大更改和新主题。 您将

之前有弄出了最短路径的寻路算法,现在看起来,觉得条理不够清晰,注释也少,所以此次特地对寻路算法进行了整理,几乎每行都有注释,结构清晰了很多,接口友好,套用起来很方便...

街道场景的语义分割 1）下载资料 脚步 转到 （需要创建帐户） 下载gtFine_trainvaltest.zip和leftImg8bit_trainvaltest.zip 解压缩并将它们放到同一文件夹中 删除gtfine和leftImg8bit内的test目录，这些注释是虚拟注释。 使用data_folder_format.ipynb从每个城市文件夹中提取原始图像和注释，并将它们组合为一个用于图像的大文件夹和一个用于注释的大文件夹。 2）建立用于图像分割的TFRecords数据集 由于我们正在使用的数据集可能太大而无法容纳到内存中，因此我们需要一种在训练过程中连续从磁盘流式传输数据的方法。 这是使用TensoFlow的tf.data.dataset API完成的，该API需要我们将数据集序列化为.tfrecords文件。 使用dataset_build.ipynb来执行此过程，该

书中首先通过介绍官方Nginx的基本用法和配置规则，帮助读者了解一般Nginx模块的用法，然后重点介绍了女口何开发HTTP模块(含HTTP过滤模块)来得到定制化的Nginx，其中包括开发—个功能复杂的模块所需要了解的各种知识，并对内存池的实现细节及TCP协议进行了详细介绍；接着，综合Nginx框架代码分析了Nginx架构的设计理念和技巧，此外，还新增了如何在模块中支持HTTP变量，以及与slab共享内存等相关的内容，相信通过完善，可进一步帮助读者更好地开发出功能丰富、性能—流的Nginx模块。