CMAKE与Ninja
简介 简介 Ninja原意是忍者，Google在编译chrome项目时本来用make方式，但是非常费时间；于是实现Ninja，取代make，加快编译构建。 Ninja官网：Ninja
个人学习笔记
Linux Event Tracing
Tracepoints添加 1. 添加头文件 Tracepoints添加 参考 Tracepoints 1. 添加头文件 include/trace/events/sample.h #undef TRACE_SYSTEM #define TRACE_SYSTEM sample #if !defined(_TRACE_SUBSYS_H) || defined(TRACE_HEADER_MULTI_READ) #define _TRACE_SUBSYS_H #include <linux/tracepoint.h> DECLARE_TRACE(sample_event, TP_PROTO(int firstarg, struct task_struct *p), TP_ARGS(firstarg, p)); #endif /* _TRACE_SUBSYS_H */ /* This part must be outside protection */ #include <trace/define_trace.h>
卷积运算
基本概念 基本概念 基本卷积形式如下(NHWC格式)： 输入为[1,32,32,3]，filter为[10, 5, 5, 3]，输出为[1, 28, 28, 10]
tensorflow：添加新OP和新设备
REGISTER_OP，注册一个OP，其实也是声明一个OP REGISTER_KERNEL_BUILDER，注册一个Kernel，其实就是对OP的实现 REGISTER_LOCAL_DEVICE_FACTORY，添加设备工厂
vim操作积累
vim控制 vim控制 dd 剪切光标所在行 yy 拷贝光标所在行 p 粘贴到光标所在行 u 撤销上一次操作 ctrl+u 恢复撤销
FlatBuffers反射
概述 概述 基本有三种方式： unpack和pack，可以对某个成员进行操作，可以在多个flatbuffers局部拷贝的时候用到。 parser方式，在做成员细致的修正的时候可以用到 reflection，不推荐使用。
学习整理：梯度下降(Gradient Descent)
概念 参考链接：Intro to optimization in deep learning: Gradient Descent 概念 只有2个权值的情况下，理想的损失函数模型如下：
caffe源码阅读
一、caffe::Net 1、NetParameter定义 一、caffe::Net 1、NetParameter定义 其中DEPRECATED已经去除 message NetParameter { optional string name = 1; // consider giving the network a name optional bool force_backward = 5 [default = false]; optional NetState state = 6; optional bool debug_info = 7 [default = false]; repeated LayerParameter layer = 100; // ID 100 so layers are printed last. }
VMware使用
一、如何扩展磁盘容量 一、如何扩展磁盘容量 在虚拟机系统下电后，选择编辑虚拟机设置->硬盘->扩展 启动虚拟机系统后执行sudo gparted，然后进行配置 1）linux-swap配置为swap off，然后delete 2）extended区域delete 3）ext4区域resize，预留4GB空间 4）unallocated区域，new->Extended Partition，然后再new->linux-swap 5）选√ 6）linux-swap区域选为swap on，然后记录下linux-swap区域的uuid sudo gedit /etc/fstab，替换swap的uuid 执行sudo swapoff -a，sudo swapon -a 执行reboot，重启系统
序列化之FlatBuffers
一、基本说明 一、基本说明 源码：FlatBuffers 指南：FlatBuffers Programmer’s Guide 结构定义文件为.fbs，注释使用//，可以使用include "my.fbs"嵌套包含文件 可以理解为轻量级的protobuf，不会依赖library，但是编码会复杂一些 FlatBuffers的特点是先构造成员，再构造父结点；与protobuf相反
tensorflow的模型设计
一、简单模型设计 一、简单模型设计 如下模型（ 参见：神经网络反向推导 )
tensorflow的基础使用
一、图 graph 一、图 graph tensorflow是基于graph的并行计算架构。graph是静态的，构建gragh并不会运行。需要启动一个session，运行graph。比如a=(b+c)*(c+2) 的graph如下：（其中b+c 和 c+2是并行的）