无私玫瑰

文章
6
资源
0
加入时间
2年10月21天
两层for循序的，大的循环尽量在里面，小的循环尽量在外面。

两层for循序的，大的循环尽量在里面，小的循环尽量在外面。

像以下的代码块,尽量不要将大循环放到外层循环。原因是CPU使用到分支预测技术，以上一个的判断来预测下一个判断。像一下代码大概会判断错误100次，如果换过来则判断错误100000次。而CPU涉及引入了分支预测技术，主要是减少指令跳转的时候重新获取新指令。两层循环数差距越大，性能相差越明显。 for(int i = 0; i < 100; i++){ for...
Other 2023-05-16
ConvNet---20年代的卷积神经网络摘要1. 引言2. ConvNet 现代化：路线图3.Imagenet上的实验评估4 下游任务的实验评估5. 相关工作6.结论

ConvNet---20年代的卷积神经网络摘要1. 引言2. ConvNet 现代化：路线图3.Imagenet上的实验评估4 下游任务的实验评估5. 相关工作6.结论

视觉识别的“咆哮的 20 年代”始于 Vision Transformers (ViTs) 的引入，它迅速取代了 ConvNets，成为最先进的图像分类模型。另一方面，普通的 ViT 在应用于目标检测和语义分割等一般计算机视觉任务时面临困难。正是分层 Transformer（例如 Swin Transformers）重新引入了几个 ConvNet 先验，使得 Transformer 作为通用视觉骨干实际上可行，并在各种视觉任务上表现出卓越的性能。
cnn 2023-05-07

他的专栏

JavaScript（0）
Golang（1）
Redis（1）
MAML算法学习（1）
cnn（1）
Other（1）
Python（1）

他的归档

2023年05月（2）

热门文章

1
在goland中读取tpl文件的图文操作
2
PHP操作Redis数据库常用方法（总结）
3
ML笔记：预训练(pre-training/trained)与微调(fine tuning)学习目标：一、什么是预训练和微调？二、微调的作用？
4
ConvNet---20年代的卷积神经网络摘要1. 引言2. ConvNet 现代化：路线图3.Imagenet上的实验评估4 下游任务的实验评估5. 相关工作6.结论
5
两层for循序的，大的循环尽量在里面，小的循环尽量在外面。
6
小秘技：怎样用python来获取各种DOS命令显示的内容？注意不是返回值哦！