其他

一般播放器的結構框圖如圖1所示，要將移植一個具有完整功能的開源播放， 結合本人成功移植過gstreamer和vlc到Novatek 667平台的經驗， 必須要考慮圖1中所有模組的移植。圖中的vendor表示裝置廠家，soc表示晶片廠家。 圖1 播放器的一般結構 下面結合linux及android平台的vlc,gstreamer的移植經驗，介紹一下linux及android平台下的移植方案。 1. Linux平台下的移植

        先打個小廣告，本人建立了一個QQ群,專門探討U3D技術,群號是 251605200,歡迎U3D愛好者們加入交流。言歸正傳：上一節簡單介紹了NavMesh尋路的基本用法，這次來介紹一下稍微複雜一點點的高低落差以及跳躍的做法，首先來看看這次的目標：    由於部落格相簿上傳GIF有限制，所以我把整個過程切開了2部分上傳，第一部分是爬樓梯，第二部分是橫向跳躍和往下跳落

題解轉自部落格：www.cnblogs.com/mickole/articles/3578298.html 題目：（替代題目可去pat天梯賽練習題中尋找，當然那個題n3也能過） 長度為N(N很大)的字串，求這個字串裡的最長迴文子串。（百度2014校招筆試題目） 題目指出“N 很大”，就是提示我們不要想通過遍曆的方法來找到這個字串，我想到的就一種解法，時間複雜度應該不高，但是我算不出來這個演算法的複雜度是多少，首先說一下什麼是迴文字串：

Hadoop, HBase, Hive, ZooKeeper預設連接埠說明 組件 Daemon 連接埠 配置 說明 HDFS DataNode 50010 dfs.datanode.address datanode服務連接埠，用於資料轉送    

　　在本文之前，我建議先看完這篇文章：Linux高效能運算叢集 – Beowulf叢集　　 一、搭建叢集中可能會遇到的問題 1.叢集設計/布局的一大痛點就是網路，各家有各家的策略，一般圍繞Beowulf變型。 2.軟體的部署缺乏實操調試，也不能斷定這樣部署是否成功以及是否優越。 3.作業系統的選型以及安裝系統、所需軟體（包括叢集管理工具、驅動軟體、能耗監視軟體等）的整個流程的手動/自動化部署。

quick-cocos2d-x（後文簡稱 quick）與 cocos2d-x 的關係，用一句話概括：quick 是 cocos2d-x 針對 Lua 的豪華套裝威力加強版。 項目地址：quick-cocos2d-x 項目 Wiki: wiki 那 quick 與 cocos2d-x 相比到底有什麼區別，又有什麼加強呢。這篇文章就是答案： 為什麼會有 quick quick 和 cocos2d-x 的差別 quick

注1：參考學習  科學空間論壇   蘇劍林 的博文 注2：記錄實驗複現細節，並根據版本更新對代碼作出修正。 注3：python3.5；keras2.0.9 【QLBD】LSTM情感分析實驗複現（一）one-hot encoding 【QLBD】LSTM情感分析實驗複現（二）分詞&one-hot 【QLBD】LSTM情感分析實驗複現（三）one embedding 【QLBD】LSTM情感分析實驗複現（四）word

arm交叉編譯器簡單介紹 一、交叉編譯器 命名規則： 交叉編譯工具鏈的命名規則為：arch [-vendor] [-os] [-(gnu)eabi] arch - 體系架構，如ARM，MIPS vendor - 工具鏈供應商 os - 目標作業系統 eabi - 嵌入式應用二進位介面（Embedded Application Binary Interface） 根據對作業系統的支援與否，ARM

1.功能及原理 　　基本定時器TIM6和TIM7各包含一個16位自動裝載計數器，由各自的可程式化預分頻器驅動。它們可以作為通用定時器提供時間基準，特別地可以為數模轉換器(DAC)提供時鐘。實際上，它們在晶片內部直接連接到DAC並通過觸發輸出直接驅動DAC。這2個定時器是互相獨立的，不共用任何資源。 　　由圖可知其時鐘源僅能來源於PCLK1，當PCLK1預分頻係數為1時 TIMCLK　＝PCLK１，否則TIMCLK　＝２*PCLK１。計數器的驅動時鐘= TIMCLK/PSC。 　　

在利用開源深度學習架構caffe進行資料集進行訓練與測試的過程中，難免會想要可視化自己訓練過程中的一些訓練資料，本篇主要介紹如何利用caffe中內建的工具來可視化cifar10訓練與測試過程中的誤差曲線和精度曲線。 0. 準備工作，已經下載好cifar資料集，並且格式也已經轉換好。具體代碼為： cd $CAFFE_ROOT #cd到caffe的根目錄./data/cifar10/get_cifar10.sh

floyd求最小環 1 定義: 通常來說最小環是針對有向圖而言 從一個點出發,經過一條簡單路徑回到起點成為環.圖的最小環就是所有環中長度最小的. 2.怎樣求最小環呢? 的解決方案(dijkstra):

    開發平台：Ubuntu11.04     編 譯器：arm-gcc-4.1.1.tar.bz2 （可從http://download.csdn.net/detail/npy_lp/3821111上下載）     Popt源碼包：popt-1.7.tar.gz （可從http://download.csdn.net/detail/npy_lp/3830473上下載）      

最近做了個新浪微博爬蟲，用到了httpclient-4.3.3，程式啟動並執行很好，就是一直會出現 cookie rejected警告，日誌如下： 2014-06-05 10:27:17.417 [main] WARN o.a.h.c.p.ResponseProcessCookies - Cookie rejected [U_TRS1="000000ea.ef542aa2.538fd58b.ec8a8e2c", version:0,

Niblack 演算法的應用於文本映像二值化領域較多，算是比較經典的局部二值化處理方法，其局部二值化方法的提出也很有借鑒意義，包括後來的一些對其改進方法，Sauvola 演算法、Nick 演算法，核心思想是：根據映像像素點的鄰域內的平均灰階和標準差來構造一個閾值曲面進行二值化處理。其閾值計算如下： point 1：計算視窗內像素均值； point 2：計算視窗內像素標準差。 這兩個點的計算方法因人而異。 void

　　最近在參加一個識別的競賽，項目裡涉及了許多類別的分類，原本打算一個大的類別訓練一個分類模型，但是這樣會比較麻煩，對於同一圖片的分類會重複計算分類網路中的卷積層，浪費計算時間和效率。後來發現現在深度學習中的多任務學習可以實現多標籤分類，所有的類別只需要訓練一個分類模型就行，其不同屬性的類別之間是共用卷積層的。我所有的項目開發都是基於caffe架構的，預設的，Caffe中的Data層只支援單維標籤，不支援多標籤分類。我也是參考了大牛的部落格修改了caffe裡面的源碼，使得caffe支援多標籤分類

本文主要介紹va_start和va_end的使用及原理。 　　在以前的一篇文章Format MessageBox 詳解中曾使用到va_start和va_end這兩個宏，但對它們也只是泛泛的瞭解。 　　介紹這兩個宏之前先看一下C中傳遞函數的參數時的用法和原理： 1.在C中，當我們無法列出傳遞函數的所有實參的類型和數目時,可以用省略符號指定參數表 void foo(...); void foo(parm_list,...);

     思路：dp(x, y, k, h)表示一個矩形，左上方座標為(x, y)，寬為k，長為h，讓該矩形切分為每塊只有一個cake的最小長度。    類比切蛋糕：橫著切，豎著切，記憶化搜尋即可。 AC代碼 #include <cmath>#include <algorithm>#include <cstring>#include <utility>#include &

PASCAL VOC資料集分析 PASCAL VOC為Image Recognition和分類提供了一整套標準化的優秀的資料集，從2005年到2012年每年都會舉行一場Image Recognitionchallenge。 本文主要分析PASCAL VOC資料集中和映像中物體識別相關的內容。 在這裡採用PASCAL VOC2012作為例子。下載地址為：點擊開啟連結。（本文中的系統內容為ubuntu14.04）

     CIFAR-10資料集含有6萬個32*32的彩色映像，共分為10種類型，。包含50000張訓練圖片，10000張測試圖片，資料集的資料存在一個10000*3072的numpy數組中，單位是uint8s，3072是儲存了一個32*32的彩色映像。（3072=1024*3）。前1024位是r值，中間1024是g值，後面1024是b值。主要作用是小圖片分類。 第一步：開啟caffe根目錄 cd

上一節，我們分析了LSH演算法的通用架構，主要是建立索引結構和查詢近似最近鄰。這一小節，我們從p穩定分布LSH（p-Stable LSH）入手，逐漸深入學習LSH的精髓，進而靈活應用到解決大規模資料的檢索問題上。 對應海明距離的LSH稱為位採樣演算法（bit