了解 CPU 之物理核、逻辑核、超线程 | Bottom Up

最近在了解 Memory 和 CPU 的相关内容,遇到了一些名词的解释有些混淆,尤其是在中文语境下、很多人写的文章都用词有误、语意不明带来了很多误解。

在翻阅了许多国外资料后,在此简单总结一下:处理器、物理核、逻辑核、超线程(多线程)、插槽甚至虚拟核的概念。

阅读全文

春节红包架构设计

高并发问题,是每个程序员、架构师都不可避免的问题,而这类问题无非是并发量大小以及需要多么可靠的区别。在解决这类问题的时候,也遵循着「没有银弹」的法则,一个场景一个设计,不同容忍度不同可靠性。

春节期间的抢红包,这个场景是一个非常鲜活现实的场景、就在我们身边,正好旁听了某司的红包架构设计,浅谈自己的看法权当抛砖引玉。

阅读全文

解决系统编码 LC_CTYPE / LC_ALL 问题

由于某些设置,在本机的 Mac 用 Terminal 去连接服务器总会有 LC_CTYPE 的报错,虽然在一年前就解决了,但是最近大量装机器还是简单的记录一下这个问题。以便于之后相关问题的查阅,特此小记。

阅读全文

设置 SSH 通过公钥登录及保持连接活性

每次登陆自己的 VPS 都要使用密码去登陆,虽然密码被自己降低难度了,但是总要输入密码登陆有点繁琐,且长久看来一机一密码是比较靠谱的设置。在此基础上添加了几个常用的 SSH Trick ,比如保持 SSH 连接活性以及连接复用。

注:本文所有环境皆基于 Linux 。

阅读全文

RL 入门:Intro & Markov Decision Process

有人说人工智能就是 DL + RL ,前者作为工具、手段提供抽象的、高层的信息,后者作为老板通过这些信息做决策,这才是人工智能。从某种角度来讲,「强化学习」才是人工智能里面的核心。无论用不用「深度学习」,我们都可以通过各类算法、程序去获取、处理信息;但是决策,不是简单的 if-else 而是一个复杂的系统,不能被轻易代替。

接下来,我们开始接触、学习这个有效而又古老的「强化学习」,进入我们的第一课「Markov Decision Process」。

阅读全文

目标检测:Mask R-CNN 论文阅读

Mask R-CNN 是 2017 年何恺明团队提出的一个基础网络,可以同时用于「Object Detection」和「Instance Segmentation」,借鉴了 Fast R-CNN 的多任务 Loss ,一举获得最佳论文奖。

论文:Mask R-CNN

阅读全文

目标检测:Faster R-CNN 论文阅读

Faster R-CNN 将所有操作都放入同一个平台下,这一操作也算得上是家族史上的一个里程碑。

论文:Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks

阅读全文

目标检测:Fast R-CNN 论文阅读

Fast R-CNN 将 Cascade Tasks 变成了 One Stage Multi-tasks,从结构上再一次升级优化 R-CNN

论文:Fast R-CNN

阅读全文

目标检测:SPPNet 论文阅读

回顾历史,SPPNet 标志着人们更加深入的使用 CNN 去做目标检测问题,这篇论文的作者们暗埋下的一条思绪让我深受启发,在此特地向他们致敬!

论文:Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition

阅读全文

目标检测:R-CNN 论文阅读

R-CNN 是使用深度学习解决目标检测问题的里程碑,让我们感受一些这篇开山之作,回顾历史的开端。

论文:Rich feature hierarchies for accurate object detection and semantic segmentation

阅读全文