demi的博客

HDR(High Dynamic Range,高动态范围)是一种图像后处理技术，是一种表达超过了显示器所能表现的亮度范围的图像映射技术。高动态范围技术能够很好地再现现实生活中丰富的亮度级别，产生逼真的效果。HDR已成为目前游戏应用不可或缺的一部分。通常，显示器能够显示R、G、B分量在[0,255]之间的像素值。

当今社会，无人驾驶已经成为影响人们生活的最大的课题之一。全球各大科研机构也纷纷投入了大量的人力物力，进行无人驾驶的研究。无人驾驶不再是遥不可及，可以说它对当今社会的影响是巨大的，有可能会颠覆我们的认知。现如今网上关于无人驾驶汽车的利弊，都各有说法。

延迟渲染：先将摄像机空间的点光栅化转化成屏幕坐标后再进行处理。这样就能减少处理的次数，从而提高效率，既然把处理流程放在了后面，那么处理所需要的参数也必须带到后面的流程。这里使用MRT(multi target render)就很重要，RT占用的显存越大，对显卡的的带宽要求也就越高。

该内容是Kailash Ahirwar首发在Github的，以下是GitHub链接：https://github.com/kailashahirwar/cheatsheets-ai 。对新手来说，学习机器学习和深度学习是比较困难的，各种深度学习库也是比较难理解，所以，我(原作者)创建了这个机器学习和深度学习速查表，希望对多家有帮助：

卷积神经网络的训练过程分为两个阶段。第一个阶段是数据由低层次向高层次传播的阶段，即前向传播阶段。另外一个阶段是，当前向传播得出的结果与预期不相符时，将误差从高层次向底层次进行传播训练的阶段，即反向传播阶段。

尽管智能家居产品越来越多，并满足了各种需求和预算，但消费者仍然对其采用产生了抵制情绪。除了安全和隐私方面的担忧之外，缺乏对物联网好处的认识也导致了许多首次购买者推迟购买。

在神经网络里面，会经常用到activation function，不管是CNN还是RNN亦或是其他带有神经元的网络，activation function都扮演着重要角色。刚接触神经网络的时候，脑子里总会浮现很多问题。为什么会有这么多activation function?为何这个函数就比另一个效果好？这么多函数，我们该使用哪一个？

加州大学洛杉矶分校在PLOS Computing Biology上发表了一篇文章，分析了深度卷积网络(DCNN)和人类识别物体方法的不同：深度卷积网络(DCNN)是依靠物体的纹理进行识别，而人类是依靠物体的轮廓进行识别。

对于应用深度学习需要思考什么的问题，我们无法统一答复，因为答案会随着你要解决的问题的不同而不同。但是我们希望以下的问答将成为一个帮助你如何在初期选择深度学习算法和工具的清单。

AI的进步、新神经网络的构成以及神经科学新模型的出现都表明，我们正在接近这样的现实，即AI算法可以复制大脑功能。