Redis源码阅读笔记第24页

[hiredis 源码走读] 异步回调机制剖析

wenfh2020·2023-11-20 04:06

【阅读笔记】如何读一本书

02019-09-221我并没有看书的习惯。即使有也得追溯到大学以前，此后间断性地持续着，偶有兴致便找本书看，不求看完，没有目的，更像是腻了游玩外的消遣。想学写作，便得每天写点什么，算是对自己的承诺。我提着笔时，脑海冒出一个个想法碎片，却又抓不住，无从下手。无法输出，思考无源，只好从输入方面入手。好在今日周休，便又重新翻开了不知何时读了部分内容的《如何阅读一本书》。2浅谈这本书前，先说下自己的看书

几何迟·2023-11-20 04:58

《A Survey on Deep Learning-based Fine-grained Object Classification and Semantic Segmentation》阅读笔记

论文标题《ASurveyonDeepLearning-basedFine-grainedObjectClassificationandSemanticSegmentation》基于深度学习的细粒度对象分类和语义分割的综述为什么是“Object”而不是“image”作者西南交通大学和新加坡国立大学2016年7月1日received；2016年9月30日accepted；2017年1月18日publi

AncilunKiang·2023-11-20 03:22

《Fine-Grained Image Analysis with Deep Learning: A Survey》阅读笔记

论文标题《Fine-GrainedImageAnalysiswithDeepLearning:ASurvey》作者魏秀参，南京理工大学初读摘要与上篇综述相同：细粒度图像分析（FGIA）的任务是分析从属类别的视觉对象。细粒度性质引起的类间小变化和类内大变化使其成为一个具有挑战性的问题。本文还涵盖了FGIA的其他一些重要问题，例如公开的基准数据集及其相关的特定领域应用。最后在总结这项调查时强调了几个方

AncilunKiang·2023-11-20 03:22

《Deep learning for fine-grained image analysis: A survey》阅读笔记

论文标题《Deeplearningforfine-grainedimageanalysis:Asurvey》作者魏秀参，旷世研究院初读摘要细粒度图像分析（FGIA）的任务是分析从属类别的视觉对象。细粒度性质引起的类间小变化和类内大变化使其成为一个具有挑战性的问题。本文旨在系统地调查基于深度学习的FGIA技术的最新进展。本文将现有的FGIA技术研究分为三大类：细粒度图像识别细粒度图像检索细粒度图像生

AncilunKiang·2023-11-20 03:19

分享：为生命松绑——厦门一中高考满分作文白杏珏阅读笔记

把寂寞的时光转换为巨大的精神享受——阅读，动笔与交流陈佩玲“一个人的阅读史就是他的精神发育史”，语文学科比起其他学科，更关注学生的精神世界的构建和完善，阅读已成为语文学习的一个重要组成部分。西班牙作家卡洛斯说，“你看到的每一本书都是有灵魂的。这个灵魂，不但是作者的灵魂，也是曾经读过这本书，与他一起生活一起做梦的读者留下来的灵魂。”作为老师，我们都希望自己的学生在一种健康，自然，不悖乎人性的状态下，

沿海拾贝·2023-11-20 02:37

《推销员之死》阅读笔记

关于美国梦，我们常说其或起于富兰克林而破碎于菲兹杰拉德。但是如果仅仅将这本书归于美国梦的破灭，又好像过于单薄了一点。威利的一生的确如同一场梦，他给自己不断地创造幻境，也给孩子们勾勒出了一个美好的未来。在年轻的时候，每个人都有着梦想，对于未来有着无限期待。但是，随着年岁增长，也许该越来越看清实际生活的模样，而后脚踏实地的生活。而不是，将自己的梦想与现实世界混淆，更不是将自己的梦嫁接在孩子身上。在年轻

边安·2023-11-20 01:11

如何应对考试压力，取得好成绩

多莉阅读笔记第257/365天今日阅读《自驱性成长》作者：【美】威廉·斯蒂克斯鲁德奈得·约翰逊著叶壮译第十二章：标准化测验。一、了解标准化测验。

蓝色多莉·2023-11-19 23:59

数学教学的有效示例——《人是如何学习的》阅读笔记（11）

文/涅阳三水数学的真谛是问题的解决、描述和理解结构与范型。我们考察数学，既要关注数学教师的数学学科知识，又要关注教师的教学法知识，还要关注对学生作为数学学习者的知识。教材给我们出示了几位数学榜样教师，我们看看他们是如何完成教学的。第一位兰珀特教师。对于多位数乘法，她创造了一系列的课堂教学，对象是计算技能参次不齐的28名四年级学生。她对自己的教学做了清楚的表述，对乘法结构的理解，和对于乘法相关的问题

黑河畔梁波涛·2023-11-19 20:08

《Effective DevOps》阅读笔记 60

WhereamI《EffectiveDevOps》进度Notes《EffectiveDevOps》规模化：拐点（3）

Ethan遗忘·2023-11-19 18:54

Python Cookbook读书笔记

好记性不如烂笔头，对之前阅读书籍进行梳理与总结，此文为《PythonCookbook》阅读笔记。

猴猴猪猪·2023-11-19 15:58

part-aligned系列论文：1711.Beyond Part Models- Person Retrieval with Refined Part Pooling 论文阅读笔记

BeyondPartModels-PersonRetrievalwithRefinedPartPooling这篇论文和1711.AlignedReID-SurpassingHuman-LevelPerformanceinPersonRe-Identification这篇论文同样的出色，都将Market-1501数据集的TopRank-1性能刷到了95以上，但该论文没用re-rankingboost

xuluohongshang·2023-11-19 14:11

Variational Relational Point Completion Network 阅读笔记

VariationalRelationalPointCompletionNetworkAbstract摘要Real-scannedpointcloudsareoftenincompleteduetoviewpoint,occlusion,andnoise.Existingpointcloudcompletionmethodstendtogenerateglobalshapeskeletonsand

北岭狼人·2023-11-19 14:36

Consistency Models 阅读笔记

Diffusionmodels需要多步迭代采样才能生成一张图片，这导致生成速度很慢。Consistencymodels的提出是为了加速生成过程。Consistencymodels可以直接一步采样就生成图片，但是也允许进行多步采样来提高生成的质量。Consistencymodels可以从预训练的扩散模型蒸馏得到，也可以作为独立的生成模型从头训练得到。感觉Consistencymodels和EDM1有

冰冰冰泠泠泠·2023-11-19 14:45

Superset源码阅读(TODO)

我的Superset源码阅读笔记版本Superset1.3.2一、技术框架搭建环境参考ApacheSuperset二次开发环境配置Superset使用到的技术框架：前端采用，D3–React：为数据提供渲染为

终回首·2023-11-19 14:19

【论文阅读笔记】Supervised Contrastive Learning

【论文阅读笔记】SupervisedContrastiveLearning摘要自监督批次对比方法扩展到完全监督的环境中，以有效利用标签信息提出两种监督对比损失的可能版本介绍交叉熵损失函数的不足之处，对噪声标签的不鲁棒性和可能导致交叉的边际

luzhoushili·2023-11-19 09:12

（论文阅读46-50）图像描述2

46.文献阅读笔记简介题目LearningaRecurrentVisualRepresentationforImageCaptionGeneration作者XinleiChen,C.LawrenceZitnick

朽月初二·2023-11-19 09:12

[源码阅读]——Sylar服务器框架：定时器模块

具体关于定时器的讲解大家可以参考本人之前做的阅读笔记：【阅读】《Linux高性能服务器编程》——第十一章。定时器通常

甄姬、巴豆·2023-11-19 08:32

第三章抓时间第一段至第二段——《一线带班》今日阅读笔记

第一段7：30--8：051.八点之前必须到校。到校第一件事交作业，可准备专用作业袋，分类装好，以防作业丢失，或找作业麻烦。2.7：30--8：00这段时间，大部分同学到校之后就开始早间阅读，管理员进行评比，多表扬，少批评。（不认真的单独谈话，放办公室阅读一段时间再鼓励性返教室阅读）3.8：00--8：05（阅读之星评比，阅读十页以上的表扬，并拍照发家长群）阅读期间PPT显示“每天：从阅读开启生活

瑾言_c799·2023-11-19 05:21

【基础知识】LeeDL阅读笔记

训练损失：训练损失大，有两种可能：1.模型复杂度不够高。2.优化的问题。如果训练损失大，可以先判断是模型偏差还是优化。如果是模型偏差，就把模型变大。训练损失变小后，接下来看测试损失，如果测试数据损失也变小了，就说明模型复杂度变好了。如果深的模型跟浅的模型作比较，深的模型明明灵活性比较大，但损失却比浅的模型更大，说明优化有问题，梯度下降不给力，因此要有一些其它的方法来更好地进行优化。当模型越来越复杂

李加号pluuuus·2023-11-18 23:13

（论文阅读40-45）图像描述1

40.文献阅读笔记（m-RNN）简介题目ExplainImageswithMultimodalRecurrentNeuralNetworks作者JunhuaMao,WeiXu,YiYang,JiangWang

朽月初二·2023-11-18 22:08

Zero-Shot Text-to-Image Generation阅读笔记

Zero-ShotText-to-ImageGeneration方法目标：训练一个Transformers将文本和图像标记作为单个数据流进行自回归建模以往的解决办法：可能性目标倾向于优先考虑像素之间的短程依赖关系建模，因此大部分建模能力将用于捕获高频细节，而不是使物体在视觉上可识别的低频结构。本文的解决办法：训练了一个离散变分自编码器(dVAE)，将每个256×256RGB图像压缩成一个32×32

小杨小杨1·2023-11-17 00:42

Attention is all you need（Transformer）论文阅读笔记

一、背景seq2seq模型（2014年）：https://blog.csdn.net/zyk9916/article/details/118002934Attention模型（2015年）：https://blog.csdn.net/zyk9916/article/details/118498156对于序列建模和转换问题，大量的研究都围绕以RNN为基础的encoder-decoder架构展开。但是

zyk9916·2023-11-16 19:17

（论文阅读31/100）Stacked hourglass networks for human pose estimation

31.文献阅读笔记简介题目Stackedhourglassnetworksforhumanposeestimation作者AlejandroNewell,KaiyuYang,andJiaDeng,ECCV

朽月初二·2023-11-16 03:44

（论文阅读32/100）Flowing convnets for human pose estimation in videos

32.文献阅读笔记简介题目Flowingconvnetsforhumanposeestimationinvideos作者TomasPfister,JamesCharles,andAndrewZisserman

朽月初二·2023-11-16 03:44

（论文阅读30/100）Convolutional Pose Machines

30.文献阅读笔记CPMs简介题目ConvolutionalPoseMachines作者Shih-EnWei,VarunRamakrishna,TakeoKanade,andYaserSheikh,CVPR

朽月初二·2023-11-16 03:14

现代前端技术解析-第3章前端三层结构与应用

《现代前端技术解析》第3章阅读笔记笔记章节目录第1章Web前端技术基础第2章前端与协议第3章前端三层结构与应用第4章现代前端交互框架第5章前端项目与技术实践一（5.1前端开发规范）二（5.2前端组件规范

DxCaesar·2023-11-15 23:41

PLIC简介&&cva6之PLIC模块阅读笔记

PLIC简介PLIC结构门户的作用主要是将中断源来的中断电气信号转换为MSI，然后交由交换矩阵来处理；另外一个作用是当来自某个中断源的中断正在被处理时，阻止接收同一中断源的后续中断。对某个HART来说，如果中断发生，交换矩阵会通知HART，而这种通知的方式可以有多种实现方式。对于复杂的系统，这种通知本身就可以是MSI；对于相对简单的系统，这种通知可以是简单的硬连线，直接连接到HART内部中断寄存器

此心无垠＿·2023-11-15 08:28

PP-YOLO论文阅读笔记

PP-YOLO:Aneffectiveandefficientimplementationofobjectdetector期刊:arXivpreprint年份:2020主要内容列举:①:实现一个有效性和效率相对平衡的对象检测器，可以直接应用于实际应用场景;②②:添加了一系列几乎不会增加推断时间的技巧，以提高模型的整体性能;③:PP-YOLO可以在有效性（45.2%mAP)和效率（72.9FPS)之

咕咕咕不咕·2023-11-14 22:50

μC/OS-II 源码阅读笔记 —— 内核深度剖析

一个程序猿郁结十年的青苹果Bush2014-4-24前言此文发表在此，由于正吃菜的我才疏学浅，文中难免有错误的地方，欢迎看官和过客指正批评，痛骂也无妨，我虚心接受所有的鄙视。目录概述缩略语01何谓任务？02任务与中断有啥异同？03何谓原子性操作？04任务栈是怎么回事？05何谓现场？06临界保护对子中C语言的变量跟汇编子函数中的寄存器是怎样联系起来的？07任务切换时具体做些什么？08任务切换在什么时

俟命·2023-11-14 19:22

Qt文档阅读笔记-Fetch More Example解析

FetchMoreExample这个例子说明了如何在视图模型上添加记录。这个例子由一个对话框组成，在Directory的输入框中，可输入路径信息。应用程序会载入路径信息的文件信息等。不需要按回车键就能搜索。当有大量数据时，需要对视图模型进行批量增加。此案例，实现了FileListModel类，此类包含了一个视图模型，这个视图模型获取路径下的文件。下面来看下FileListModel的代码。File

IT1995·2023-11-14 19:08

Cygwin工具制作Redis服务端Window版本

二、cygwin安装Redis源码编译前言在学习到redis，经常需要用到一个redis服务端，如果有买服务器或者本机可以支持经常开虚拟机，也是可以的，如果不具备这些条件，还是本机window系统直接安装一个

smileNicky·2023-11-14 18:42

【目标检测】RCNN 的边界框回归损失函数

其实这个部分我看几篇文章讲得都挺不错的，所以我的这篇文章纯粹是当做阅读笔记来写了。

Jiangnan_Cai·2023-11-14 06:30

《生物信息学》阅读笔记（三）：序列比对原理

这一章之前在博客中就有过介绍。这里是查漏补缺。运用全局比对的主要优势在于对具有高度同源性的序列进行优化，这在以已知三维结构的同源性序列为基础对未知序列的三维结构进行预测的模型构建中是十分有用的。局部比对适合用于哪些在其全长中具有局部的小同源性片段的序列比较，一般用于特定序列位点、结构域及其他类型重复序列的搜索，同时它在发现数据库中待分析序列的同源序列过程中也有重要意义。相似性（similarity

wxw060709·2023-11-14 00:40

Intel X86 优化指南阅读笔记--通用优化(前端)

PROCESSORPERSPECTIVES以下优化建议，在不同微架构下收益差别较大：指令译码的吞吐量很重要。利用好decodedICache，LoopStreamDetector和macro-fusion能进一步提高CPU前端性能。充分利用好4个译码器来产生代码。利用好micro-fusion和macro-fusion，这样其中3个简单译码器就再被限制为只能译码只含有一条uop的简单指令。Sand

呆呆辉·2023-11-13 20:16

（论文阅读28/100 人体姿态估计）Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields

28.文献阅读笔记简介题目RealtimeMulti-Person2DPoseEstimationusingPartAffinityFields作者ZheCao,TomasSimon,Shih-EnWei

朽月初二·2023-11-13 19:16

（论文阅读29/100 人体姿态估计）

29.文献阅读笔记简介题目DeepCut:JointSubsetPartitionandLabelingforMultiPersonPoseEstimation作者LeonidPishchulin,EldarInsafutdinov

朽月初二·2023-11-13 19:12

（论文阅读26/100）Weakly-supervised learning with convolutional neural networks

26.文献阅读笔记简介题目Weakly-supervisedlearningwithconvolutionalneuralnetworks作者MaximeOquab，LeonBottou，IvanLaptev

朽月初二·2023-11-13 14:50

（论文阅读25/100）Learning Multi-Domain Convolutional Neural Networks for Visual Tracking

25.文献阅读笔记Multi-DomainNetwork(MDNet)简介题目LearningMulti-DomainConvolutionalNeuralNetworksforVisualTracking

朽月初二·2023-11-13 14:49

（论文阅读27/100）Deep Filter Banks for Texture Recognition and Segmentation

27.文献阅读笔记简介题目DeepFilterBanksforTextureRecognitionandSegmentation作者MirceaCimpoi,SubhransuMaji,AndreaVedaldi

朽月初二·2023-11-13 14:08

超硬核C++BestPractices翻译与阅读笔记

点击蓝字关注我们硬货开始这本书的副标题是：45ishSimpleRuleswithSpecificActionitemsforbetterC++,这本书是由大佬推荐的，C++学习有必要掌握一下这45条最佳实践，可以很大程度上提升代码的可读性和健壮性，而且这本书也不长，翻译起来也会比较简单，比很多人推荐的EffectiveC++要容易读的多，翻译的过程中去掉了欧美人写书时喜欢带上的口水话，从而让文章

轻松学C语言·2023-11-13 00:08

windows使用cygwin编译redis7.0.5

（具体问度娘）本次gcc使用的版本：2.下载redis源码并解压：https://codeload.github.com/redis/redis/tar.gz/refs/tags/7.0.53.进入C:

微风Jupiter·2023-11-12 19:26

Learning Continuous Exposure Value Representations for Single-Image HDR Reconstruction 论文阅读笔记

这是国立阳明交通大学、联发科和英伟达合作的一篇ICCV2023的HDRReconstruction的论文文章用INR来生成具有连续曝光值的图片，从而能够生成更加多样的LDR图片，而文章发现用更多样的LDR图片训练的网络具有更好的性能，这也是文章的动机。文章说用了INR的思路，其实根本就不是INR，INR的输入是坐标，而这里其实就是把s给repeat成featuremap大小concatenate到

ssf-yasuo·2023-11-12 18:30

Spatially Adaptive Self-Supervised Learning for Real-World Image Denoising 论文阅读笔记

CVPR2023的一篇哈工大发表的真实世界图像去噪的论文，代码开源，nice文章两大要点，一个是BNN一个是LAN。文章的intro中提到，现有的很多方法虽然设计上与噪声的分布无关，但是实际上却只能处理空间独立的噪声。这一部分的介绍很流畅，对现有的一些SSID方法带过的同时，也逐个揭示了其缺点，为后续自己方法的提出进行铺垫。无论是写法上，还是内容上，都可以借鉴，并且其带过的论文，没读过的后续也可以

ssf-yasuo·2023-11-12 18:30

Masked Image Training for Generalizable Deep Image Denoising 论文阅读笔记

CVPR2023港科大（广州）发的一篇denoising的论文，作者里面有上海AILab的董超老师（看introduction的时候看到有一段很像董超老师Networksareslachingoff的论文的思想，说网络overfitting的时候学习了训练集的噪声模式而非图片内容，翻回去作者看，果然有董超老师），文章提出了一种提高现有denoising方法泛化性的方法，动机就是迫使网络学习图像内容

ssf-yasuo·2023-11-12 18:52

TPVFormer论文阅读笔记

Tri-PerspectiveViewforVision-Based3DSemanticOccupancyPrediction论文，代码链接：TPVFormer(wzzheng.net)BEVFormer存在的问题BEV特征空间中的一个特征表示的是其对应世界坐标系中如下图所示红色的部分的特征，可见，在z轴方向上的特征是没有划分的。在做实例分割时（图中蓝色框），由于缺少特征z轴方向上的信息，而导致人

liu liu liu·2023-11-12 13:29

《On Java进阶卷》阅读笔记（五）

第7章IO系统I/O流：IO有很多不同的来源和去处，如文件、控制台网络连接等，而且还涉及需求以很多种方式，如顺序读取、随机访问、缓冲、字符、按行读取、按字读取等。Java8的函数式流相关的类和IO流之间并无关联。IO流隐藏了实际的IO设备中数据情况的下列细节：字节流用于处理原始的二进制数据。字符流用于处理字符数据。它会自动处理和本地字符集间的相互转换。缓冲区流提升了性能。它通过减少调用本地API的

liulimoyu·2023-11-12 04:55

《AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE》阅读笔记

论文标题《ANIMAGEISWORTH16X16WORDS:TRANSFORMERSFORIMAGERECOGNITIONATSCALE》谷歌论文起名越来越写意了，“一幅图像值16X16个单词”是什么玩意儿。ATSCALE：说明适合大规模的图片识别，也许小规模的不好使作者来自GoogleResearch的Brain团队，经典的同等贡献。初读摘要Transformer体系结构现状：在NLP领域，Tr

AncilunKiang·2023-11-12 02:37

《Generic Dynamic Graph Convolutional Network for traffic flow forecasting》阅读笔记

论文标题《GenericDynamicGraphConvolutionalNetworkfortrafficflowforecasting》干什么活：交通流预测（trafficflowforecasting）方法：动态图卷积网络（DynamicGraphConvolutionalNetwork）创新：通用（Generic）作者隔壁北航的大佬们太强了。这个项目有国自然和校级资金支持。初读摘要现存方法

AncilunKiang·2023-11-12 02:06

《Swin Transformer: Hierarchical Vision Transformer using Shifted Windows》阅读笔记

论文标题《SwinTransformer:HierarchicalVisionTransformerusingShiftedWindows》Swin这个词貌似来自后面的ShiftedWindowsShiftedWindows：移动窗口Hierarchical：分层作者微软亚洲研究院出品初读摘要提出SwinTransformer可以作为CV的通用主干Tansformer用于图像的挑战：视觉实体尺度变

AncilunKiang·2023-11-12 02:04

推荐频道

Redis源码阅读笔记