三种情况，引出问题：
（1） new出来的对象需要释放，而释放时，如果有其他人引用了这个对象，再次使用这个对象时，则会出现野指针情况。
==> 于是出现了引用计数的释放管理机制。
（2） 对于一个返回对象指针的方法，你若不看文档不看内部代码，你无法知道这个指针需不需要你来释放。同样的对于将一个指针或者对象作为参数给一个方法后， 你也无法知道这个方法会不会将你的对象释放掉。
==> 于是出现了谁拥有谁释放的管理思想。
（3）使用上述管理机制和思想后，有些特定情况。比如方法内新建一个对象，然后返回对象时，按照谁拥有谁释放的思想，对象是在方法内部创建的，方法退出前需要释放掉这个对象，但又要在退出时返回这个对象，先返回还是先释放都是不对的。
==> 于是出现了autorelease。
1、release和retain是配套的，释放管理是通过引用计数的。
卷积神经网络（CNN）最开始是用于计算机视觉中，然而现在也被广泛用于自然语言处理中，而且有着不亚于RNN（循环神经网络）的性能。
1、传统的自然语言处理模型
1）传统的词袋模型或者连续词袋模型（CBOW）都可以通过构建一个全连接的神经网络对句子进行情感标签的分类，但是这样存在一个问题，我们通过激活函数可以让某些结点激活（例如一个句子里”not”,”hate”这样的较强的特征词），但是由于在这样网络构建里，句子中词语的顺序被忽略，也许同样两个句子都出现了not和hate但是一个句子（I do not hate this movie）表示的是good的情感，另一个句子（I hate this movie and will not choose it）表示的是bad的情感。其实很重要的一点是在刚才上述模型中我们无法捕获像not hate这样由连续两个词所构成的关键特征的词的含义。
PHP加密方式分为单项散列加密，对称加密，非对称加密这几类。
像常用的MD5、hash、crypt、sha1这种就是单项散列加密，单项散列加密是不可逆的。
像URL编码、base64编码这种就是对称加密，是可逆的，就是说加密解密都是用的同一秘钥。
除此外就是非对称加密，加密和解密的秘钥不是同一个，如果从安全性而言，加密的信息如果还想着再解密回来，非对称加密无疑是最为安全的方式。
不可逆加密函数
（一）、md5
string md5 ( string str[,boolraw_output = false ] )
1.md5()默认情况下以 32 字符十六进制数字形式返回散列值，它接受两个参数，第一个为要加密的字符串，第二个为raw_output的布尔值，默认为false，如果设置为true，md5()则会返回原始的 16 位二进制格式报文摘要
2.md5()为单向加密，没有逆向解密算法，但是还是可以对一些常见的字符串通过收集，枚举，碰撞等方法破解
1、梯度下降法
梯度下降法实现简单，当目标函数是凸函数时，梯度下降法的解是全局解。一般情况下，其解不保证是全局最优解，梯度下降法的速度也未必是最快的。
梯度下降法的优化思想：用当前位置负梯度方向作为搜索方向，因为该方向为当前位置的最快下降方向，所以也被称为是”最速下降法“。最速下降法越接近目标值，步长越小，前进越慢。
缺点：
（1）靠近极小值时收敛速度减慢，求解需要很多次的迭代；
（2）直线搜索时可能会产生一些问题；
（3）可能会“之字形”地下降。
2、牛顿法
牛顿法最大的特点就在于它的收敛速度很快。
优点：二阶收敛，收敛速度快；
纹理是表示物体表面的一幅或几幅二维图形，也称纹理贴图
如若要想在2021/2022的年度车型上实现SAE L4/L5的全自动驾驶功能，就需要应用多种传感器冗余系统。当今的半自动驾驶系统采用了各种各样数量和设计的雷达和摄像头系统。而高性能价格合理、能检测300米半径内信息的激光探测与测距系统开发，还处在预研阶段。大多数汽车制造商都认为，如果要实现全自动驾驶，摄像头、雷达和激光雷达这三大传感器系统缺一不可。
摄像头
何为渲染？如果我们只是想显示一堆不变的数据，那么我们直接写一个a.html丢到服务器上让客户端访问就可以了。但这是基本不可能的事情，数据一般是变化的。你不可能为每套数据写一个视图，所以我们需要分离数据和视图，然后使用一种技术将数据塞到视图中，这种技术就叫渲染。
这是一份物联网平台的定义、特点、分类和市场发展状况的报告，适合于物联网开发人员，任何物联网方案或者软硬件提供商，物联网使用者，企业物联网采购人员和决策者，以及对物联网有兴趣的任何学习者。
上文中曾经说过，欧拉旋转的顺规和轴向定义，自然造就了“万向节死锁”问题。本文主要来探索它自然形成的原因。
1、黑电平定义
黑电平（Black Level Correction）：即黑色数据的最低电平值，通常指感光图像数据为0时对应的sensor信号电平值。
2、黑点平成因
黑电平形成的原因有多种，主要的形成原因如下面两点：
(1) CMOS传感器采集的信息经过一系列转换生成原始RAW格式数据。以8bit数据为例，单个pixel的有效值是0~255，但是实际AD芯片（模数转换芯片）的精度可能无法将电压值很小的一部分转换出来，因此，sensor厂家一般会在AD的输入之前加上一个固定的偏移量，使输出的pixel value在5（非固定）~255之间，目的是为了让暗部的细节完全保留，当然同时也会损失一些亮部细节，由于对于图像来说，我们的关注度更倾向于暗部区域，ISP后面会有很多增益模块（LSC、AWB、Gamma等），因此亮区的一点点损失是可以接受的。
(2) sensor的电路本身会存在暗电流，导致在没有光线照射的时候，像素单位也有一定的输出电压，暗电流这个东西跟曝光时间和gain都有关系，不同的位置也是不一样的。因此在gain增大的时候，电路的增益增大，暗电流也会增强，因此很多ISP会选择在不同gain下减去不同的bl的值。