《度小满》专题
-
5.3 创建加速度
现在，我们已经掌握了动画的基础知识，让我们绘制一个在重力作用下向下加速运动的盒子，来尝试稍微复杂一点的动画。 图5-3 创建加速运动 操作步骤 按照以下步骤，在画布的顶部绘制一个盒子，该盒子在重力作用下向下加速运动： 1. 链接到Animation类： <head> <script src="animation.js"> </script> 2. 实例化一个Animation对象，并获取画布上下
-
漫反射辐照度
基于图像的光照(Image based lighting, IBL)是一类光照技术的集合。其光源不是如前一节教程中描述的可分解的直接光源，而是将周围环境整体视为一个大光源。IBL 通常使用（取自现实世界或从3D场景生成的）环境立方体贴图 (Cubemap) ，我们可以将立方体贴图的每个像素视为光源，在渲染方程中直接使用它。这种方式可以有效地捕捉环境的全局光照和氛围，使物体更好地融入其环境。 由于基
-
《深度学习》整理
问题列表 《深度学习》 8.4 参数初始化策略 一般总是使用服从（截断）高斯或均匀分布的随机值，具体是高斯还是均匀分布影响不大，但是也没有详细的研究。 但是，初始值的大小会对优化结果和网络的泛化能力产生较大的影响。 一些启发式初始化策略通常是根据输入与输出的单元数来决定初始权重的大小，比如 Glorot and Bengio (2010) 中建议建议使用的标准初始化，其中 m 为输入数，n 为输出
-
深度学习实践
加速训练的方法 内部方法 网络结构 比如 CNN 与 RNN，前者更适合并行架构 优化算法的改进：动量、自适应学习率 ./专题-优化算法 减少参数规模 比如使用 GRU 代替 LSTM 参数初始化 Batch Normalization 外部方法 深度学习训练加速方法 - CSDN博客 GPU 加速 数据并行 模型并行 混合数据并行与模型并行 CPU 集群 GPU 集群
-
深度学习基础
相关专题 《深度学习》整理 CNN 专题 RNN 专题 优化算法专题 随机梯度下降 动量算法 自适应学习率算法 基于二阶梯度的优化算法 《深度学习》 5.2 容量、过拟合和欠拟合 欠拟合指模型不能在训练集上获得足够低的训练误差； 过拟合指模型的训练误差与测试误差（泛化误差）之间差距过大； 反映在评价指标上，就是模型在训练集上表现良好，但是在测试集和新数据上表现一般（泛化能力差）； 降低过拟合风险的
-
深度神经网络
LeNet 5 LeNet-5是第一个成功的卷积神经网络，共有7层，不包含输入，每层都包含可训练参数（连接权重）。 AlexNet tf AlexNet可以认为是增强版的LeNet5，共8层，其中前5层convolutional，后面3层是full-connected。 GooLeNet (Inception v2) GoogLeNet用了很多相同的层，共22层，并将全连接层变为稀疏链接层。 In
-
深度学习简介
你可能已经接触过编程，并开发过一两款程序。同时你可能读过关于深度学习或者机器学习的铺天盖地的报道，尽管很多时候它们被赋予了更广义的名字：人工智能。实际上，或者说幸运的是，大部分程序并不需要深度学习或者是更广义上的人工智能技术。例如，如果我们要为一台微波炉编写一个用户界面，只需要一点儿工夫我们便能设计出十几个按钮以及一系列能精确描述微波炉在各种情况下的表现的规则。再比如，假设我们要编写一个电子邮件客
-
如何适度交流
仔细考虑会议的代价：这花费了随参与者数量倍增的时间。会议有时候是必要的，但越小越好。小会议的交流质量更好，过度浪费的时间更少。如果一个人在会议感到厌烦，把这当做会议应该更小的标识。 非正式交流值得做任何事情去鼓励。更多有用的沟通工作在同事间的午饭可以进行，而非其他的时间。许多公司没有意识到或者不支持这一点，这是一种遗憾。
-
4.14.4.2 角度选择器
角度字段存储数字作为其值，并存储字符串作为其文本。 它的值是0到360之间的数字（可以更改此范围），而其文本可以是输入到其编辑器中的任何字符串。 角度字段 带编辑器的角度字段 压缩的角度字段 创造 { "type": "example_angle", "message0": "angle: %1", "args0": [ { "type": "field_angle
-
深度解析 ECMAScript 6ECMAScript 6 简称 ES6，ES6 包含了很多新的语言功能，且这些语言功能使得 JavaScript 更加强大更富有表现力。下面我们将会一步步介绍 ES6 新增的那些功能。
-
LineProgress 线形进度条
LineProgress 线形进度条 平台差异说明 App H5 微信小程序 支付宝小程序 百度小程序 头条小程序 QQ小程序 √ √ √ √ √ √ √ 基本使用 通过percent设置当前的进度值，该值区间为0-100. 通过active-color设置进度条的颜色，也可以直接设置type主题颜色(优先起作用)，使用预置值 <u-line-progress active-color="#297
-
CircleProgress 圆形进度条
CircleProgress 圆形进度条 内部实现 组件内部通过canvas实现，有更好的性能和通用性。 平台差异说明 App H5 微信小程序 支付宝小程序 百度小程序 头条小程序 QQ小程序 √ √ √ √ √ √ √ 基本使用 通过percent设置当前的进度值，该值区间为0-100 通过active-color设置圆环的颜色，也可以直接设置type主题颜色，使用预置值 通过默认slot传入
-
数字精度（ Numeric Precision）
我们已经讨论过，在早期版本的Fortran中，有两种real类型:默认的真实类型和double precision类型。 但是，Fortran 90/95通过kind规范提供了对实数和整数数据类型精度的更多控制。 种类属性 不同种类的数字以不同方式存储在计算机内。 kind属性允许您指定内部存储数字的方式。 例如， real, kind = 2 :: a, b, c real, kind = 4
-
3.6.7 速度模块(VelocityOvertimeModule)
速度模块(VelocityOvertimeModule) 属性 作用 space 速度在哪个坐标系中计算。 x,y,z 三个方向上的速度分量，可使用不同的计算模式。 speedModifier 速度修正系数。
-
温湿度传感器
检测空气温湿度。 用法 Your browser does not support the video tag. 案例：自动收衣架 说明：用舵机模块来控制双舵机转动的角度，温湿度传感器能感知环境的湿度。使用神经元APP可以调试舵机的角度，让双舵机转动的角度一致，设置湿度的数值，当湿度大于该数值就收进衣服，低于该数值则将衣服晒出去。 所需模块：电源、蓝牙模块、温湿度传感器、双舵机驱动、舵机组件包、连