X-DeepLearning

本文同步于微信公众号：3D视觉前沿，欢迎大家关注。 引言 传统的2D目标检测，是得到目标物体的类别，以及图像平面内的包围盒，因此包含的参数为类别c，包围盒的中心(x,y)，长宽(length, width)。 而3D检测的任务是得到目标物体的类别(Classification)以及带朝向的3D包围盒(Oriented 3D Bounding Boxes)，因此，其包含类别c，位置(x, y, z)

请看示例代码（注意 data 的数组下标）： -- http://www.kyne.com.au/~mark/software/lua-cjson.php -- version: 2.1 devel local json = require("cjson") local data = {1, 2} data[1000] = 99 -- ... do the other things ngx.

9.21 一面 9.27 二面 9.30 三面（加面），希望后续有hr面或者oc吧 总结而言，讯飞非常喜欢问基础知识，从算法到操作系统到数学建模，问的项目并不多，所以以后大家要是面的话一定多准备八股 深度学习框架和平台方向相当于是算法和工程的结合，所以算法原理，部署，加速，操作系统，python底层都问到了。跟面试官交流又学习到很多知识，遗憾的是面的时候很多没有准备到，希望好运吧！ 一面面经：和实

本来想着国庆后再投，怕国庆过不好，国庆前就投了，很多东西没复习。面了几家最后接百度了，谢谢百度收留我。 cpp基础部分 1.static 2.const 3.cpp内存结构 4.谈谈那几个智能指针 5.那四个强制转换 6.看.so动态库里的啥东西，这个不会，连题意都没记全，太菜了。 7.析构函数能不能传参，能不能有返回值 8.cpp的多态,运行时多态那问的具体怎么实现，我就说了说虚函数表那些，感觉

torch是什么 torch就是诸多深度学习框架中的一种 业界有几大深度学习框架：1）tensorflow，谷歌主推，时下最火，小型试验和大型计算都可以，基于python，缺点是上手相对较难，速度一般；2）torch，facebook主推，用于小型试验，开源应用较多，基于lua，上手较快，网上文档较全，缺点是lua语言相对冷门；3）mxnet，大公司主推，主要用于大型计算，基于python和R，缺

稀疏数组核心 第一行表示了稀疏数组的组成核心，稀疏数组一共只有三列 第一行第一列表示数组一共有多少行，第一行第二列表示数组一共有多少行，第一行第三列表示数组中有多少个特殊值 从第一行之后的所有行表示数据行，第一列表示数据所在的行数，第二列表示数据坐在的列数，第三列表述具体数据的值 def get_sparse_arr(arr: 'sparse_arr') -> 'sparse_arr':

问题内容： （关于省时的稀疏数组存在一些问题，但我正在寻找内存效率。） 我需要一个相当于或哪些 只需设置一个比以前遇到的密钥大的密钥即可按需增长。（可以假定键为非负数。） 与大多数索引不是（即实际数据不是很稀疏时）的情况下的内存效率差不多。 当索引稀疏时，消耗的空间与非索引的数量成正比。 使用的内存少于（因为这会使键自动装箱并且可能不利用标量键类型）。 可以获取或设置摊销log（N）时间中的元素，

主要内容 课程列表 专项课程学习 辅助课程 论文专区 课程列表 课程 机构 参考书 Notes等其他资料 卷积神经网络视觉识别 Stanford 暂无 链接 神经网络 Tweet 暂无 链接 深度学习用于自然语言处理 Stanford 暂无 链接 自然语言处理 Speech and Language Processing 链接 专项课程学习 下述的课程都是公认的最好的在线学习资料，侧重点不同，但推

Google Cloud Platform 推出了一个 Learn TensorFlow and deep learning, without a Ph.D. 的教程，介绍了如何基于 Tensorflow 实现 CNN 和 RNN，链接在 这里。 Youtube Slide1 Slide2 Sample Code