demi的博客

模型的开发周期有多个不同的阶段，从数据收集开始直到模型建立。不过，在通过探索数据来理解（变量的）关系之前，建议进行假设生成步骤。我认为，这是预测建模过程中最被低估的一个步骤。花时间思考要回答的问题以及获取领域知识也很重要。这有什么帮助呢？它会帮助你随后建立更好的特征集，不被当前的数据集误导。这是改善模型正确率的一个重要环节。

全球领先的实时3D内容创作平台Unity正式发布Unity MARS (Mixed and Augmented Reality Studio)，业内首款智能化混合现实及增强现实内容创作工具，让跨行业的创作者能无缝创作AR体验。

深入了解DNNs，CNNs以及RNNs中的Dropout来进行正则化，蒙特卡洛不确定性和模型压缩的方法。

通过SRP可以实现对渲染管线的完全控制，它提供了需要的工具来创建符合项目需求的渲染管线和效果；通过在C#脚本中定义一系列的命令来控制每一帧的渲染过程，和传统内置管线不同，它开放了更多的接口，给了开发者更大的自由度，但是又不至于像OpenGL手写管线那么复杂，可以很好满足开发者既需要自定义管线又要简单快捷的开发需求，降低了渲染管线的开发门槛。

新基建时代，5G的部署速度将会大大加快。但是还有另外一种传输技术也将映入我们的眼帘，这就是Wifi6。竞争还是共存？这两者未来将会是一种什么样的关系呢？

视觉的解析力，常常是指视觉语义，视觉特征，视觉场景理解，视觉目标检测，视觉变化，视觉运动状态理解等等。比如说，关于分辨率和清晰度，经常还可以见到清晰度，分辨力，分辨率，解析力，解析度，解像力，解像度这些词语。对于这些词语分别的含义和所指的具体内容是什么，怎样使用才合适，目前流行的看法是很不统一的。

图像分割的主要算法：1.基于阈值的分割方法；2.基于边缘的分割方法；3.基于区域的分割方法；4.基于聚类分析的图像分割方法；5.基于小波变换的分割方法；6.基于数学形态学的分割方法；7.基于人工神经网络的分割方法；8. 基于遗传学算法的分割方法。

物理性质可以在不同的方向进行测量。如果各个方向的测量结果是相同的,说明其物理性质与取向无关,就称为各向同性。如果物理性质和取向密切相关，不同取向的测量结果迥异，就称为各向异性。造成这种差别的内在因素是材料结构的对称性。

根据安卓应用特点，我们可以风险分析分为静态与动态两种。分析的过程不执行应用的方法称之为静态分析。比如说，静态分析中的权限分析可以通过AndroidManifest.xml文件获取，api调用等可以通过逆向dex工作逻辑获得。而动态分析主要是分析应用运行之后的逻辑。

在机器学习中，经常需要对模型进行正则化，以降低模型对数据的过拟合程度，那么究竟如何理解正则化的影响？本文尝试从可视化的角度来解释其影响。