Category Archives: 转载文章

怎样理解阻塞非阻塞与同步异步的区别?

老张爱喝茶,废话不说,煮开水。
出场人物:老张,水壶两把(普通水壶,简称水壶;会响的水壶,简称响水壶)。
1 老张把水壶放到火上,立等水开。(同步阻塞)
老张觉得自己有点傻
2 老张把水壶放到火上,去客厅看电视,时不时去厨房看看水开没有。(同步非阻塞)
老张还是觉得自己有点傻,于是变高端了,买了把会响笛的那种水壶。水开之后,能大声发出嘀~~~~的噪音。
3 老张把响水壶放到火上,立等水开。(异步阻塞)
老张觉得这样傻等意义不大
4 老张把响水壶放到火上,去客厅看电视,水壶响之前不再去看它了,响了再去拿壶。(异步非阻塞)
老张觉得自己聪明了。
所谓同步异步,只是对于水壶而言。
普通水壶,同步;响水壶,异步。
虽然都能干活,但响水壶可以在自己完工之后,提示老张水开了。这是普通水壶所不能及的。
同步只能让调用者去轮询自己(情况2中),造成老张效率的低下。

所谓阻塞非阻塞,仅仅对于老张而言。
立等的老张,阻塞;看电视的老张,非阻塞。
情况1和情况3中老张就是阻塞的,媳妇喊他都不知道。虽然3中响水壶是异步的,可对于立等的老张没有太大的意义。所以一般异步是配合非阻塞使用的,这样才能发挥异步的效用。

——来源网络,作者不明。

作者:愚抄
链接:https://www.zhihu.com/question/19732473/answer/23434554
来源:知乎
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

Active Learning: 一个降低深度学习时间,空间,经济成本的解决方案- 简书

  • 转载自:http://www.jianshu.com/p/42801f031cfa?utm_campaign=hugo&utm_medium=reader_share&utm_content=note&utm_source=weibo

作者:Zongwei Zhou | 周纵苇
邮箱:zongweiz@asu.edu
微博:@MrGiovanni


下面要介绍的工作发表于CVPR2017,题为“Fine-tuning Convolutional Neural Networks for Biomedical Image Analysis: Actively and Incrementally”。它主要解决了一个深度学习中的重要问题:如何使用尽可能少的标签数据来训练一个效果promising的分类器。根据我的判断,当遇到两种情况的时候,这篇论文的可以非常强大的指导意义:

  • 一共手头有100个未标记样本,和仅仅够标记10个样本的钱,老板说,通过训练这十个标记的样本,能接近甚至达到训练100个样本的performance;
  • 手头有了一个已经在100个样本中训练完的分类器,现在又来了100个新标记的样本,老板说,只给提供够训练10个样本的计算机;或者只给你提供够训练10个样本的时间,让分类器尽快学习到新来样本的特征;

这两个情况发生的条件是完全不同的,Situation A发生在屌丝公司,没有钱拿到精标记的数据集,却也想做深度学习;Situation B一般发生在高富帅公司,有海量的精标记数据,但是由于目前即使是最牛逼的计算机也不能用深度学习在短时间内一次性地去处理完这些数据(e.g.,内存溢出,或者算上个几年都算不完)。Anyway,我想我已经说清楚应用背景了,读者可以根据实际情况判断是否往后读下去。

Continue reading

看得“深”、看得“清” —— 深度学习在图像超清化的应用(未完待续)

转载的一篇文章。下面是针对这篇文章的百度脑图:

 

  • 作者:张延祥,就职于Google北京输入法团队。北航本硕,CSDN知名博主,有多篇CSDN博文流传甚广,对深度学习、自然语言处理和计算机视觉有极大的热忱。
  • 责编:王艺,CSDN AI栏目编辑/记者,目前从事【AI创新者】系列人物访谈,合作及投稿请联系wangyi@csdn.net
 

Continue reading

ARM内核和架构关系、ARM的Fabless模式及三大授权方式

这两天在做Cortex-A53还有A72上的benchmarks,所以搜了下相关文章科普下自己,发现有两篇文章讲的不错,这里转载并重新编辑整理。第一篇文章写的比较简单,更多的是从感性认识ARM内核和架构,第二篇文章着重讲ARM全新架构,同时也在文中讲解了ARM逐层获利的方式,BIG.little架构以及未来发展等等。

 
Continue reading