博客
造成图像模糊的原因有很多，其中包括光学因素、大气因素、人工因素、技术因素等等，日常生产生活中对图像进行去模糊操作有其重要意义。要取得比较好的处理效果，不同原因导致的模糊往往需要不同的处理方法。从技术方面来向，模糊图像处理方法主要分为三大类，分别是图像增强、图像复原和超分辨率重构。
支持AI人工智能和ML机器学习部署的数据中心依靠基于图形处理单元（GPU）的服务器为其计算密集型架构提供支持。到2024年，在多个行业中，GPU使用量的增长将使GPU服务器的复合年增长率超过31％。这意味着将有更多的系统架构师承担承担相应的职责，以确保GPU系统具有最高的性能和成本效益。
Unity Tech已发布Unity 2020.1游戏引擎beta版，作为今年的第一个季度更新。除了从编辑器到其他开发功能的许多开发人员方面的改进之外，图形方面还做着永无止境的工作。 Unity 2020.1将相机堆栈添加到通用渲染管道，更新的光线跟踪支持，各种光照更新，新的缓存着色器预处理器等。
关于物联网（IoT）对家庭和建筑物自动化的变革价值，人们已经进行了很多讨论。低成本传感器和无线技术的日益普及正在彻底改变我们工作和生活的室内环境，从而提高效率、舒适性和安全性。考虑到智能家居和智能建筑之间的许多常见用例，包括气候控制、照明自动化或安全和消防安全，有些人认为这两种架构的物联网技术高度相似。
权值初始化的方法主要有：常量初始化（constant）、高斯分布初始化（gaussian）、positive_unitball初始化、均匀分布初始化（uniform）、xavier初始化、msra初始化、双线性初始化（bilinear）
随着机器学习领域和技术本身的发展，项目中涉及的阶段和工作流程也在不断发展。支持GPU的移动设备的出现为传统机器学习项目的工作流程引入了一个新阶段。新阶段的出现又造就了新的角色和职位。
延迟渲染：将光照计算从观察空间延迟到屏幕空间。先迅速生成不含光照的场景，并将所有用于光照计算的信息存储在几何缓冲（G buffer）中，如深度、表面法向量、颜色、PRT系数等。完成场景渲染后用几何缓冲的信息计算光照和着色。这样更高效。
距离倒数乘方格网化方法是一个加权平均插值法，可以进行确切的或者圆滑的方式插值。方次参数控制着权系数如何随着离开一个格网结点距离的增加而下降。对于一个较大的方次，较近的数据点被给定一个较高的权重份额，对于一个较小的方次，权重比较均匀地分配给各数据点。
尽管最近有所进展，但物联网安全性对制造商来说仍然是一个相当大的挑战。因此，安全专家正转向寻求创新的方法，如生物识别技术，以确保物联网设备的安全。生物识别技术也可能为物联网设备提供一些不同的优势，特别是那些用于医疗的设备。
对于VR，它做得最好的就是它对生活的变化，有一些关键因素需要调整的恰如其分。如果做得正确，开发者可以现在传递他通常设置。也就是说，把你带到你现实所在位置以外的能力，并欺骗你的头脑去相信它。
通常来说，计算机系统中 CPU、GPU、显示器是以上面这种方式协同工作的。CPU 计算好显示内容提交到 GPU，GPU 渲染完成后将渲染结果放入帧缓冲区，随后视频控制器会按照 VSync 信号，逐行读取帧缓冲区的数据，经过可能的数模转换传递给显示器显示。
5G技术的更新，推动了新一代的网络通信发展，家庭宽带上网也从最初的十几K的速度，提升到了现在动则上百上千兆的速度，很多有部署了家庭NAS的用户，甚至都已经更新到了10G级别的内部局域网了。
图像卷积操作的目的是利用像素点和其邻域像素之前的空间关系，通过加权求和的操作，实现模糊（blurring），锐化（sharpening），边缘检测（edge detection）等功能。
