layer

本文作者：HelloDeveloper HTTPS 常见问题解答 1、前言 百度从 14 年开始对外开放了 https 的访问，并于 3 月初正式对全网用户进行了 https 跳转。 很多用户看到这个新闻都比较好奇，在新闻站点，微博，微信和贴吧，知乎等站点进行了热烈的讨论，这里我们也从一个普通用户容易理解的角度来看看大家的问题。 2、https 是什么？我有没有用到 https ？ https 是 http over ssl(Secure Socket Layer)，简单讲就是 http 的安全版本，在 http 的基础上通过传输加密和身份认证保证了传输过程中的安全性。你通常访问的网站大部分都是 http 的，最简单的方法可以看看网址是以 http:// 开头还是 https:// 开头。 以下几个截图就是 chrome,firefox,IE10 在使用 https 时的效果。 注意图中绿色的部分 , 我们后面详细说说。 想进一步了解 HTTPS，可以阅读《大型网站的 HTTPS 实践（一）-- HTTPS 协议和原理》 3、https 为什么比 http 安全 ?https 加密 是不是需要我在电脑上安装证书 / 保存密码 ? http 不安全，主要是因为它传输的是明文内容 , 也不对传输双方进行身份验证。只要在数据传输路径的任何一个环节上，都能看到传输的内容，甚至对其进行修改

在移动端开发的时候经常会碰到区域滚动的需求，当然实现起来也是非常简单的，给需要滚动的元素定高然后添加一个 overflow-y:scorll 自然就可以滚动了，但是添加这个属性之后，使用chrome或者其他浏览器工具调试时是支正常的，但是到手机上时滚动效果就十分的奇怪，滚动会让人感觉有卡顿感。这个时候使用一个属性就可以解决这个问题。 -webkit-overflow-scrolling:touch ，这个属性会让滚动条产生回弹效果，让滚动没有那么生硬。 在MDN上是这么定义这个属性的： -webkit-overflow-scrolling 属性控制元素在移动设备上是否使用滚动回弹效果. auto: 使用普通滚动, 当手指从触摸屏上移开，滚动会立即停止。 touch: 使用具有回弹效果的滚动, 当手指从触摸屏上移开，内容会继续保持一段时间的滚动效果。继续滚动的速度和持续的时间和滚动手势的强烈程度成正比。同时也会创建一个新的堆栈上下文。 然而是不是设置了这个属性之后就万事大吉了呢？也不全是这样子的，其实这个属性也还是有一些坑的。 偶尔会卡住或不能滑动 比较常见的问题有： 在safari上，使用了-webkit-overflow-scrolling:touch之后，页面偶尔会卡住不动。 在safari上，点击其他区域，再在滚动区域滑动，滚动条无法滚动的bug。 通过动态添加内容撑开容器

自动表情符号 在这个练习中，首先完成基准模型Emojifier-V1，使用word embeddings求平均值。可以通过输入的句子输出一个表情符号。这个模型无法识别单词的顺序和复杂的句子结构。然后将会结合LSTM来建立一个更加复杂的模型Emojifier-V2。 我的总结 实验的结果发现复杂的LSTM模型并没什么卵用，V1的综合性能比V2要好。除了作业的训练集和测试集，我另外用了两个极端测试例。这两个例子无论V1，V2都无法得到正确的分类。 1) I could not agree anymore. label：happy 2) this movie is not good and not enjoyable label：unhappy 在训练集中添加上面两个例子，会导致训练结果变差，cost很大。因为对于word embedding求平均的方法，上面两个例子本来就无法得到合适的编码。如果硬添加到训练集中，属于outlier。 添加learning rate decay功能，并增加epoch 数量，V1的training accuracy 和test accuracy都可以超过作业中的预期。分别达到98.49%和91.07%。‘not feeling happy’也可以猜对。 尝试过从句子中删除stopword，并且修改过对应的predict函数，但结果不如预期。我的解释是首先

转自 https://www.jianshu.com/p/ebf97f7478e8 https://blog.csdn.net/l773575310/article/details/73100522 Unity 制作小地图系统 两种方法 参考官方教程： Creating A Minimap System 方法1：Github： TanksPluggableAI 方法2：Github： GentleTank 方法1：使用额外相机 这个小地图添加在 上一篇中AI坦克项目 上。 小地图的是实现原理很简单，就是添加多一个相机，设置垂直投影，然后将投影的画面送到显示在UI的Textrue上面。 （结果如图） image.png 层级结构，资源文件 image.png image.png 为坦克添加小图标（添加Quad，材质为带小坦克图标的MinimapIconMaterial，这样可以顺便在生成坦克的时候改变颜色），并标记为Layer为Minimap，只在小地图中显示。 image.png image.png 为坦克添加跟随的相机（MinimapCamera），相机的内容就是小地图的内容。 image.png 3. 在游戏画面中添加小地图。 <a name="t6" target="_blank" style="text-decoration: none; box-sizing:

由于最近在搞工程的东西，caffe在windows10下的一些东西编译时通过了，可是如何添加一个自己的工程呢？ 模仿classification的例子是可以跑，但是添加自己工程会报错。头疼。。。。。。。。 大概大家报错都会遇到Check failed: registry.count(t ype) == 1 (0 vs. 1) Unknown layer type: Input (known types: Input )问题吧。 首先试一下，http://blog.csdn.net/fengbingchun/article/details/54286435。 提供了几种解决方案。 我是按照fengbingchun的说明来的，好像不行。 然后又试了几个网上的方法，还是不过，这个错误好像是由于caffe在layer_factory.hpp里面的creator这儿出错了，因为是个工厂模式，重复注册，所以注册一次之后再注册就不行了。 解决方案： 自己的工程所有的include和lib路径添加好之后，然后添加过libcaffe引用。成功编译，但是运行就会遇到报错 F0519 14:54:12.494139 14504 layer_factory.hpp:77] Check failed: registry.count(t ype) == 1 (0 vs. 1) Unknown layer

这是俄罗斯高等经济学院的系列课程第一门，Introduction to Advanced Machine Learning，第四周第一个编程作业。 这个作业一共四个任务，难易程度：容易。 0. 使用dense做autoencoder，不用写代码。MSE为0.0065。 1. 使用conv+pool做autoencoder，评分部分。MSE为0.0056。在同样的codesize下，conv+pool layers(deep network)，要比dense layers 的MSE更低。 2. denoising，通过autoencoder给图片降噪。因为高斯噪声不会被编码。 3. image retrieval找到相似的图片。比较两张图片编码之间的距离。 4. image morph 图片变形。 Denoising Autoencoders And Where To Find Them Today we’re going to train deep autoencoders and apply them to faces and similar images search. Our new test subjects are human faces from the lfw dataset . Import stuff import sys sys.path.append( "..

使用cocos creator v2.2.2 实现流体效果 ！ 图文+视频讲解！ 效果预览 实现原理 整体思路是参考论坛中的一个 帖子 这款游戏中水的粘连效果在Construct3中利用图层很容易实现，就是每个水滴都是挂了两个圆形图片素材，其中一个是水滴本来的蓝色，另一个是其他颜色且素材边缘是半透明的。当几个水滴靠近时让半透明素材边缘相互重叠，这时原本半透明的边缘透明度变低。通过在当前图层中使用Shader，并设定Alpha阈值——小于Alpha阈值部分按全透明处理，大于Alpha阈值部分则按不透明处理——这样一来，一个单独孤立的水滴，其半透明边缘全部被处理成全透明，以此表现一个孤立的水滴，而挤在一起的几个水滴，其重叠的边缘就会处理成不透明，从而形成水滴粘连的效果，代表汇集在一起的水滴，并模拟水的张力。 由于Cocos Creator没有Construct3中的图层Layer概念，不能对一个图层中全部的图片素材整体使用一个Shader，因此上述方法并不适用。 那么问题就是——有没有别的办法让Cocos Creator实现上述水的效果？ 上面一段是论坛原文。顺着思路走，这里准备一张特殊的图片。这个图片从内到外 alpha (不透明度)逐渐变小。 当两张图片靠近时，重叠区域的透明度会变小。小于alpha阈值部分按全透明处理，大于alpha阈值部分则按不透明处理

本文作者：HelloDeveloper HTTPS 常见问题解答 1、前言 百度从 14 年开始对外开放了 https 的访问，并于 3 月初正式对全网用户进行了 https 跳转。 很多用户看到这个新闻都比较好奇，在新闻站点，微博，微信和贴吧，知乎等站点进行了热烈的讨论，这里我们也从一个普通用户容易理解的角度来看看大家的问题。 2、https 是什么？我有没有用到 https ？ https 是 http over ssl(Secure Socket Layer)，简单讲就是 http 的安全版本，在 http 的基础上通过传输加密和身份认证保证了传输过程中的安全性。你通常访问的网站大部分都是 http 的，最简单的方法可以看看网址是以 http:// 开头还是 https:// 开头。 以下几个截图就是 chrome,firefox,IE10 在使用 https 时的效果。 注意图中绿色的部分 , 我们后面详细说说。 想进一步了解 HTTPS，可以阅读《大型网站的 HTTPS 实践（一）-- HTTPS 协议和原理》 3、https 为什么比 http 安全 ?https 加密 是不是需要我在电脑上安装证书 / 保存密码 ? http 不安全，主要是因为它传输的是明文内容 , 也不对传输双方进行身份验证。只要在数据传输路径的任何一个环节上，都能看到传输的内容，甚至对其进行修改

3 月，跳不动了？>>> > 论文为Google Brain在16年推出的使用强化学习的Neural Architecture Search方法，该方法能够针对数据集搜索构建特定的网络，但需要800卡训练一个月时间。虽然论文的思路有很多改进的地方，但该论文为AutoML的经典之作，为后面很多的研究提供了思路，属于里程碑式的论文，十分值得认真研读，后面读者会持续更新AutoML的论文，有兴趣的可以持续关注   来源：晓飞的算法工程笔记 公众号 论文:Neural Architecture Search with Reinforcement Learning 论文地址： https://arxiv.org/abs/1611.01578 论文代码： https://github.com/titu1994/neural-architecture-search Introduction   论文提出神经网络架构搜索(Neural Architecture Search)，一个用于搜索架构的gradient-based方法，主要包含4个步骤： the controller. 网络结构可能看成是可变长的字符串，因此，论文使用循环神经网络(recurrent network)来产生这样的字符串 child network. 在实际数据集上训练字符串对应的网络(child network)

3 月，跳不动了？>>> > 论文提出了类似于dropout作用的diversification block，通过抑制特征图的高响应区域来反向提高模型的特征提取能力，在损失函数方面，提出专注于top-k类别的gradient-boosting loss来优化训练过程，模型在ResNet-50上提升3.2%，算法思路巧妙，结构易移植且效果也不错，值得学习 论文:Fine-grained Recognition: Accounting for Subtle Differences between Similar Classes 论文地址： https://arxiv.org/abs/1912.06842 Introduction   在FGVC(fine-grained visual categorization)上，一般的深度学习模型都是通过学习输入图片到输出标签的映射，这样会导致模型倾向于专注少部分显著区域来同时区分模糊的种群内(inter-class)相似性和种群间(intra-class)的变化   如图1所示，一般的深度学习模型的attention经常密集地集中在小部分区域，因此只会提出有限的特征。因此，论文建议分散attention来构建多样的分布在特征图上的特征。因为在特征层面进行attention分散，在预测时则需要反过来，例如只关注最相似的类别来提高模型的辨别能力