PHP base_convert() 函数
16进制转8进制<?php$hex="E196";echobase_convert($hex,16,8);?> 8进制数转换为10进制数<?php$oct="0031";echobase_convert($oct,8,10);?> 8进制数转换为16进制数<...
SpringBoot 消息转换器 HttpMessageConverter
1.简介：Spring在处理请求时，由合适的消息转换器将请求报文绑定为方法中的形参对象，在这里，同一个对象就有可能出现多种不同的消息形式，比如json和xml。同样，当响应请求时，方法的返回值也同样可能被返回为不同的消息形式，比如json和xml。在Spring中，针对不同的消息形式，我们有不同的HttpMessage...
deformable conv
在原featuremap上经过卷积生成与原featuremap一样w、h大小的featuremap，但是channel变为2倍，即2N。2N代表的是每个像素x、y两个方向的偏移量。这个偏移量生成的坐标大概率是float型的，但像素或者featuremap只有在整数位置才有值。所以找最...
leetcode538. Convert BST to Greater Tree
https://www.cnblogs.com/grandyang/p/6591526.html这个题本质上是中序遍历的反向。中序遍历是从小到大，而这个题目是从大到小，然后每个数加上比自己大的所有数的和。因为实际上并没有改变树的结构，只是改变了原来树中节点的值，所以用void做返回值就可以了。每次加sum实际上就是加的...
pooling、relu、convolution的反向传播
1.pooling的反向传播: https://blog.csdn.net/qq_21190081/article/details/72871704 pooling反向传播的原则:pooling的值和上一层对应的区域的loss(或者梯度)之和保持不变 meanpooling:把梯度平均分给4个值.如果4个位置都是这个值...
R-FCN：Object Detection via Region-based Fully Convolutional Networks
fast、faster这些网络都可以被roi-pooling层分成两个子网络：1.ashared,'fullyconvolutional'subnetwork 2.anroi-wisesubnetwork（就是doesnotsharecomputation的子网络）其...
ImageNet Classification with Deep Convolutional Nerual Networks(AlexNet)
Architecture: 整个网络8层，5个卷积层，3个全连接层 ReluNonlinearity： 非饱和的relu比饱和的sigmoid或者tanh训练速度快很多，并有效解决梯度消失 OverlappingPooling： 论文中整个网络都使用重叠网络，分别降低top-1、top-5的错误率0....
Very Deep Convolutional Networks for Large-scale Image Recognition(vggnet)
vggNet是从AlexNet而来，主要探索卷积神经网络的深度与性能之间的关系，通过反复堆叠3x3的卷积核（c中有1x1的卷积核,也只有c中有，c是16层）和2x2的最大池化层，vggNet构筑了16-19层深的卷积神经网络。3x3卷积核：thesmallestsizetocapturethenotionofleft/...
Going deeper with convolutions(GoogLeNet、Inception)
从LeNet-5开始，cnn就有了标准的结构：stackedconvolutionallayersarefollowedbyoneormorefully-connectedlayers。对于Imagenet这种大的数据集，趋势是增加层数和层的大小，用dropout解决过拟合。1×1卷积核在Inception中大量使用，...
Why convolutions always use odd-numbers as filter_size
原文地址：https://datascience.stackexchange.com/questions/23183/why-convolutions-always-use-odd-numbers-as-filter-sizeTheconvolutionoperation,simplyput,iscombination...
Convolution1D与Convolution2D区别
以下是Convolution1D的例子：#applyaconvolution1doflength3toasequencewith10timesteps,#with64outputfiltersmodel=Sequential()model.add(Convolution1D(64,3,border_mode='same...
信号处理——卷积（convolution）的实现
作者：桂。时间：2017-03-07 22:33:37链接：http://www.cnblogs.com/xingshansi/p/6517301.html 前言 信号时域、频域对应关系，及其DFT、FFT等变换内容，在之前的文章1、文章2中已经给出相关的理论推导以及代码实现，本文主要针对...