从零开始，一步一步学习caffe的使用，期间贯穿深度学习和调参的相关知识！
循环优化之最佳循环（Perfect Loop）
前言
前面我们介绍过了循环优化之融合篇现在我们再从另一个角度进行loop编程风格的优化。在SDAccel中，我们推荐的loop嵌套的形式是perfect loop(下图列出不同的loop循环结构)。对于非perfect loop的形式，我们可以采用一些方法将其优化为 perfect loop 的形式。同样以最近邻的程序，我们进行进一步的探讨。
循环优化之融合篇（Fusion Loop）
前言
通过最近邻算法的实现，展示在实际的优化中，如何巧妙的将嵌套的for循环进行融合。
最近邻算法
最近邻是机器学习中一种典型的算法，属于K紧邻算法的一种特殊形式。具体的实现过程如下图所示(图片取自百度百科)：
从最近邻的计算角度来说，最重要的是从诸多已知点中，寻找对应当前点最近的一个点（默认采用欧几里得距离）。因此，我们主要在FPGA中实现寻找最近点的操作。
Seaborn学习笔记
Seaborn学习笔记
Seaborn简介
Seaborn是一种基于matplotlib的图形可视化python库。它提供了一种高度交互式界面，便于用户能够做出各种有吸引力的统计图表。Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用Seaborn就能做出很具有吸引力的图，而使用matplotlib就能制作具有更多特色的图。应该把Seaborn视为matplotlib的补充，而不是替代物。同时它能高度兼容numpy与pandas数据结构以及scipy与statsmodels等统计模式。掌握Seaborn能很大程度帮助我们更高效的观察数据与图表，并且更加深入了解它们。
其有如下特点：
- 基于matplotlib aesthetics绘图风格，增加了一些绘图模式
- 增加调色板功能，利用色彩丰富的图像揭示您数据中的模式
- 运用数据子集绘制与比较单变量和双变量分布的功能
- 运用聚类算法可视化矩阵数据
- 灵活运用处理时间序列数据
- 利用网格建立复杂图像集
Matplotlib学习笔记
matplotlib学习笔记
1 | import numpy as np |