Java volatile关键字
当一个共享变量被volatile修饰时，它会保证修改的值立即被更新到主存“，这里的”保证“是如何做到的?和JIT的具体编译后的CPU指令相关吧? volatile特性 内存可见性：通俗来说就是，线程A对一个volatile变量的修改，对于其它线程来说是可见的，即线程每次获取volatile变量的值都...
深入理解volatile
volatile知识点--------------------------------------------------------------------------- 1.volatile关键字是用来解决什么问题的？volatile是为了解决（不同线程的）内存的可见性2.什么是内存的可见性。 ...
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...
DisparityCostVolumeEstimator.cpp
#include"DisparityCostVolumeEstimator.hpp"#include"DisparityCostVolume.hpp"#include"stereo_matching/cost_functions.hpp"#include"helpers/get_option_value.h...
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...
C：详解C中volatile关键字
原文地址：http://www.cnblogs.com/yc_sunniwell/archive/2010/06/24/1764231.htmlvolatile提醒编译器它后面所定义的变量随时都有可能改变，因此编译后的程序每次需要存储或读取这个变量的时候，都会直接从变量地址中读取数据。如果没有volatile关键字，则...
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...
docker -v 和Dockerfile 中VOLUME 区别
Dockerfile中VOLUME["/data/nginx","/usr/share/nginx"] dockerrun -v /data/nginx:/usr/share/nginx 如果只是读文件 两者都可以&nbs...
Dockerfile 指令 VOLUME 介绍
在介绍VOLUME指令之前，我们来看下如下场景需求：1）容器是基于镜像创建的，最后的容器文件系统包括镜像的只读层+可写层，容器中的进程操作的数据持久化都是保存在容器的可写层上。一旦容器删除后，这些数据就没了，除非我们人工备份下来（或者基于容器创建新的镜像）。能否可以让容器进程持久化的数据保存在主机上呢？这样即使容器删除...