LevelDB的源码阅读（三） Get操作

在Linux上leveldb的安装和使用中我们写了这么一段测试代码，内容以及输出结果如下： #include <iostream> #include <string> #in

Rocksdb iterator和snapshot 接口

Rocksdb提供迭代器来来访问整个db中的数据，就像STL中的迭代器功能一样，用来访问容器中的具体的数据。 访问形式以及访问接口有如下几种： 遍历所有的key-value //打开db，并初始化一

图像，矩阵以及鲁棒性笔记

1.黑白图像不是二维数据。图像的维度，实际上是图像中特征向量的数量。用向量数据化图像，想象按行扫描，遇到的每一个像素都是向量的一个元素，像素个数就是向量维数；例如二维图像矩阵表示为:256*256=6

Latex公式内容中字母之间空隙过大

将Diffset(new\_S)=Diffse(S_2)-Diffset(S_1). 改为\mathit{Diffset}(new\_S)=\mathit{Diffset}(S_2)-\mathit{

基于pg_qualstats和hypopg的自动索引调优

pg-qualstats的安装和配置 1.安装pg-qualstats sudo apt install postgresql-10-pg-qualstats   2.将pg_qualstats和

Latex快速注释掉多行

最简单的方法就是选中你想要注释掉的内容，同时按住Ctrl+Alt+Shift+→

Latex 特殊符号书写

我们可以使用如下的包进行符号的书写。 \usepackage{amsfonts} 或则 \usepackage{amssymb} 然后在正文中使用方式如下： $\mathbb{set}$ 效果如下：

latex 表格每行设置不同字体

Each cell of a table is set in a box, so that a change of font style (or whatever) only lasts to the

tensorflow源码解析系列文章索引

文章索引 framework解析 resource allocator tensor op node kernel graph device function shape_inference 拾遗

tensorflow源码解析之common_runtime-executor-下

目录 核心概念 executor.h Executor NewLocalExecutor ExecutorBarrier executor.cc structs GraphView Exec

Caffe2源码解析

写在前面 上一篇文章对Caffe2中的core模块进行了简单拆解Caffe2源码解析之core，本篇给出其它模块的拆解，目的是大致了解每个模块的内容和目标，进一步理解Caffe2的整体框架。内容不多，

tensorflow源码解析之framework拾遗

把framework中剩余的内容，按照文件名进行了简单解析。时间原因写的很仓促，算是占个坑，后面有了新的理解再来补充。 allocation_description.proto 一个对单次内存分配结果

AutoML论文调研

AutoLearn - Automated Feature Generation and Selection - 2017 ICDM 核心思想： 用特征之间两两回归的方法，发现相关特征的额外信息。

Caffe2源码解析之core

写在前面 在对Tensorflow的后端源码进行了拆解（参见tensorflow源码解析系列文章索引）之后，很想跟其它深度学习框架的实现进行对比，根据框架的流行程度，先选择了Pytorch。Pytor

mxnet源码阅读笔记之include

写在前面 mxnet代码的规范性比Caffe2要好，看起来核心代码量也小很多，但由于对dmlc其它库的依赖太强，代码的独立性并不好。依赖的第三方库包括： cub dlpack dmlc-core go