demi的博客

本文讲述内容为游戏开发中涉及的常用设计模式，以及个人对这些模式的思考和总结,这些模式来自于前辈们众多项目经验实战总结，因此读者应具备一定的游戏开发经验，方能更好的理解和运用到实际工作中。

本文探讨卷积神经网络（CNN）的内部工作原理。你可能想知道这些网络中发生了什么？他们是如何学习的？本质上，CNN正在学习过滤器并将它们应用于图像。这些与你应用于Instagram自拍的滤镜不同，但概念并没有那么不同。CNN采用一个小方块并开始在图像上应用它，这个方块通常被称为"窗口"。

由于图形引擎的复杂性，瓶颈可能发生在CPU、GPU、，也可能发生在CPU与GPU的传输数据与交互之中。这里我们只假设瓶颈在GPU上，讨论GPU的优化方法。

人工智能和物联网本身都是独特的技术，但是它们更有趣的是它们交叉的地方。研究人员和行业专家表示，由于物联网和人工智能的应用非常吸引人，因此它们的组合使用案例具有更强大的吸引力。

于汽车很多技术和设计，我们通常称之为经典，但是实际上，当它们最开始出现的时候，那可是不折不扣的时尚潮流派，而且后面还有很多不为人知的故事——比如萨博并不是最先用增压器的轿车，而雨刷器的历史也比你想象的长，下面我们就为大家盘点汽车史上的十大经典技术突破。

聚类算法的目的就是将相似的数据对象划分为一类或者簇，使得在同一个簇内的数据对象尽可能相似，不同簇中的数据对象尽可能不相似。常见的聚类方法有如下几种：层次聚类；划分聚类（KMeans）；密度聚类（DBSCAN）；模型聚类；谱聚类。

离散卷积是两个离散序列之间按照一定的规则将它们的有关序列值分别两两相乘再相加的一种特殊的运算。

搞了CV一段时间，仍时不时因为概念问题而困惑，搞不清楚计算机视觉(Computer Vision)，计算机图形学(Computer Graphics)和图像处理(Image Processing)的区别和联系。在知乎上看到了一个帖子，觉得解释的很好，结合自己的理解，形成此文存档。

首先必须要知道，5G是什么。一句话解释就是，更广泛的铺盖式网络，并且包含了更快的网速以及稳定性。当然其中有许多更深层的含意，这边不另外进行探讨。但5G这个因应物联网（IoT）设备数量的增加以及数据量的增加而开发出来的新时代产物，所影响的不是只有科技业，而是目前市面所看到的大部分的行业。

当特征选择完成后，可以直接训练模型了，但是可能由于特征矩阵过大，导致计算量大，训练时间长的问题，因此降低特征矩阵维度也是必不可少的。降维（dimensionality reduction）是指通过对原有的feature进行重新组合，形成新的feature，选取其中的principal components。