madobet

 OpenMP 框架是使用 C、C++ 和 Fortran 进行并发编程的一种强大方法。GNU Compiler Collection (GCC) V4.2 支持 OpenMP 2.5 标准，而 GCC 4.4 支持最新的 OpenMP 3 标准。包括 Microsoft® Visual Studio 在内的其他编译器也支持 OpenMP。在本文中，您可以学习使用 OpenMP 编译指示 (pragma)，寻找对 OpenMP...

**芯片封装，简单点来讲就是把 Foundry 生产出来的集成电路裸片（Die）放到一块起承载作用的基板上，再把管脚引出来，然后固定包装成为一个整体。它可以起到保护芯片的作用，相当于是芯片的外壳，不仅能固定、密封芯片，还能增强其电热性能。因此，封装对 CPU 和其他 LSI 集成电路而言，非常重要。** 封装的类型，大致可以分为 DIP 双列直插和 SMD 贴片封装两种。 从结构方面，封装经历了最早期的晶体管 TO（如 TO-89、TO92）封装发展到了双列直插封装，随后由 PHILIP 公司开发出了 SOP 小外型封装，以后逐渐派生出 SOJ（J 型引脚小外形封装）、TSOP（薄小外形封装）、VSOP（甚小外形封装）、 SSOP（缩小型 SOP）、TSSOP（薄的缩小型 SOP）及 SOT（小外形晶体管）、SOIC（小外形集成电路）等。 从材料介质方面，包括金属、陶瓷、塑料、塑料，很多高强度工作条件需求的电路如军工和宇航级别仍有大量的金属封装。 **以下盘点最常见的 40 种封装类型：** **1、BGA...

博客：[blog.shinelee.me](https://blog.shinelee.me/) \| [博客园](https://www.cnblogs.com/shine-lee/) \| [CSDN](https://blog.csdn.net/blogshinelee) **主页**： **论文**： **代码**：[官方 matlab 版](https://github.com/kpzhang93/MTCNN_face_detection_alignment)、[C++ caffe 版](https://github.com/kpzhang93/MTCNN_face_detection_alignment) **第三方训练代码**：[tensorflow](https://github.com/AITTSMD/MTCNN-Tensorflow)、[mxnet](https://github.com/Seanlinx/mtcnn) **MTCNN**，恰如论文标题《Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks》所言，**采用级联 CNN 结构，通过多任务学习，同时完成了两个任务——人脸检测和人脸对齐，输出人脸的 Bounding Box 以及人脸的关键点（眼睛、鼻子、嘴）位置**。 MTCNN **又好又快**，提出时在[FDDB](http://vis-www.cs.umass.edu/fddb/)、[WIDER...

从 1958 年第一块集成电路发明开始，IC 产业经历起源于美国，发展于日本，加速于韩国、台湾的历程，21 世纪以来，中国逐步成为 IC 产业发展的一份子。日、韩、台三地在经历了引进先进技术期后，发展了适合自身的产业发展模式，不论是日本的自主研发，韩国的市场把握，还是台湾的专注分工，都使其成为了全球 IC 产业的中坚力量。 从 1958 年第一块集成电路发明开始，IC 产业经历起源于美国，发展于日本，加速于韩国、台湾的历程，21 世纪以来，中国逐步成为 IC 产业发展的一份子。日、韩、台三地在经历了引进先进技术期后，发展了适合自身的产业发展模式，不论是日本的自主研发，韩国的市场把握，还是台湾的专注分工，都使其成为了全球 IC 产业的中坚力量。回顾整个发展史，处于集成电路发展新周期的中国该如何利用好这次产业转移浪潮是值得我国 IC 企业深思的问题。 **全球 IC 产业商业模式变革** 经历了三次产业变革的 IC 产业从一开始隶属于系统公司到集成一体 IDM，再到 Fabless、Foundry 与 IP...

_F**orrester**顾问公司针对了_ _54_ _位汽车行业专家进行的一项调查显示，将自动驾驶原型车转化为量产车型的最大障碍是如何降低生产成本，而工程师最关注的领域则是如何解决功能安全和网络安全问题。_ 作者：Robert Day，Arm 汽车解决方案和平台总监 在搭载人工智能 (AI) 的自动驾驶汽车的大规模部署竞争中，面对诸多技术挑战，任何公司都无法突破速度限制。根据 Forrester 对全球汽车行业 54 位专家的调查显示，目前大家看到的[自动驾驶汽车](https://www.arm.com/solutions/automotive/autonomous-car) (AV) 的原型车距离大规模部署仍需至少十年之久。这一结论可能并不出乎意料，但技术挑战的规模确实令人震惊。随着自动驾驶汽车从原型向量产迈进，从自动驾驶概念车的技术转变为安全可靠、经济实用的设计, 也预示着近期将会出现重大转变。  _Arm_ _委托_ _Forrester Consulting_ _采访了_ _54_ _位全球汽车行业专家**的**2019_ _年**“**自动驾驶汽车：从原型到量产**”**报告。单击本文底部**可下载原文报告**。_ 该报告重点阐述了自动驾驶汽车开发人员最难克服的障碍，即硬件计算能力和功能的组合需要兼顾效率、尺寸和处理速度等多方面因素。近 30% 的受访者表示，这一组合挑战是首要问题。各种具体问题包括组件成本和软件失效。 正如一位负责亚太地区自动驾驶汽车项目的美籍汽车制造商总监所述：“这将是一个缓慢改进的过程。” 在我看来，大家确实低估了当今最先进自动驾驶汽车系统的现状。...

 [Peanut\_范](https://me.csdn.net/u013841196) 2018-08-06 19:30:08  7153  收藏 5 最后发布: 2018-08-06 19:30:08 首发: 2018-08-06 19:30:08 版权声明：本文为博主原创文章，遵循 [CC 4.0 BY-SA](http://creativecommons.org/licenses/by-sa/4.0/) 版权协议，转载请附上原文出处链接和本声明。 - 《Face Alignment Assisted by Head Pose Estimation》 人脸对齐的错误案例分析：**头部姿态通常都是大角度的。** ...

> 这是在看了台大李宏毅教授的深度学习视频之后的一点总结和感想。看完介绍的第一部分 RNN 尤其 LSTM 的介绍之后，整个人醍醐灌顶。本篇博客就是对视频的一些记录加上了一些个人的思考。 * * * ## 0. 从 RNN 说起 循环神经网络（Recurrent Neural Network，RNN）是一种用于处理序列数据的神经网络。相比一般的神经网络来说，他能够处理序列变化的数据。比如某个单词的意思会因为上文提到的内容不同而有不同的含义，RNN 就能够很好地解决这类问题。 * * * ## 1. 普通 RNN 先简单介绍一下一般的 RNN。 其主要形式如下图所示（图片均来自台大李宏毅教授的 PPT）： ...

colah 写了一篇介绍 LSTM 的博客，写的非常的好。为了能够是自己更加深入的了解。特此，将它翻译了过来。原文地址： ## 递归神经网络 (Recurrent Neural Networks) 人类并不会每一秒都重新开始他们的思维。当你阅读这篇文章，你能够基于你前面的理解，来理解当前的每一个单词。你并不会丢掉前面所有的东西和重新开始你的思维。因为你的思维具有持久性。 传统的神经网络并没有能力做到这一点，这看起来是一个非常大的缺点。例如，假设你想对电影中每个时刻所发生事件属于什么类型进行分类。目前还不清楚，传统的神经网络能否做到这点–合理的利用电影钟已经发生的事件去推断及将要发生的事件。 然而，递归神经网络解决了这个问题。它的网络是循环的，允许信息更加持久化。  在上图中，有一个神经网络模块 A, 输入 xi 和输出值 hi。循环允许将信息从当前这一步传递到下一步。 这个循环使得递归神经网络看起来更加的神秘。然而，如果你仔细的想一下，它并不是那么，它并没有难于理解也并没有比正常的神经网络更加的复杂。递归神经网络可以被看作相同神经网络的多重拷贝，每个神经网络模块都会把信息传递给下一个神经模块。考虑一下，如果我们将循环展开，将会发生什么？  这种链式一样的结构很自然的揭示了递归神经网络本质上是与序列 (sequences) 和列表 (lists) 密切相关。对于这中类型的数据，递归神经网络是一种很自然的神经网络架构。 RNN 已经被人们所使用并且非常的有用！ 在过去的几年里，RNN 已经非常成功的运用到了各种各样的问题上：演讲识别，语言模型，翻译，图像字幕…...

**Description:** Existing facial databases cover large variations including: different subjects, poses, illumination, occlusions etc. However, the provided annotations appear to have several limitations.     Figure 1:  (a)-(d) Annotated images from...

**Latest News!** - The 300-W dataset has been released and can be downloaded from \[[part1](https://ibug.doc.ic.ac.uk/download/annotations/300w.zip.001)]\[[part2](https://ibug.doc.ic.ac.uk/download/annotations/300w.zip.002)]\[[part3](https://ibug.doc.ic.ac.uk/download/annotations/300w.zip.003)]\[[part4](https://ibug.doc.ic.ac.uk/download/annotations/300w.zip.004)]. Please note that the database is simply split into 4 smaller parts for easier download....