cxy200927099的专栏

opencl-z的原版apk，可以检测当前的手机是否支持opencl

google的开源深度学习框架，tensorflow技术解析与实战，高清版带目录，目录如下 第 1 章 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 第2章 2.1 2.2 2.3 2.4 2.5 第一篇 基础篇 人工智能概述 ................................ 2 2.5.3 jupyter ................................. 31 2.5.4 scikit-image ......................... 32 2.5.5 librosa .................................. 32 2.5.6 nltk ...................................... 32 2.5.7 keras .................................... 33 2.5.8 tflearn .................................. 33 小结.................................................. 33 可视化 TensorFlow.....................34 PlayGround ...................................... 34 3.1.1 数据.....................................35 3.1.2 特征.....................................36 3.1.3 隐藏层.................................36 3.1.4 输出.....................................37 TensorBoard.....................................39 3.2.1 SCALARS 面板 .................. 40 3.2.2 IMAGES 面板..................... 41 3.2.3 AUDIO 面板 ....................... 42 .................... 目录 什么是人工智能 ............................... 2 什么是深度学习 ............................... 5 深度学习的入门方法 ....................... 7 什么是 TensorFlow ......................... 11 为什么要学 TensorFlow ................. 12 ............ 14 .... 15 ............ 16 机器学习的相关赛事 ..................... 16 1.6.1 ImageNet 的 ILSVRC......... 17 1.6.2 Kaggle ................................. 18 1.6.3 天池大数据竞赛................. 19 国内的人工智能公司 ..................... 20 小结 ................................................. 22 TensorFlow 环境的准备............. 23 下载 TensorFlow 1.1.0 .................... 23 基于 pip 的安装 .............................. 23 2.2.1 Mac OS 环境准备 .............. 24 2.2.2 Ubuntu/Linux 环境准备 ..... 25 2.2.3 Windows 环境准备 ............ 25 基于 Java 的安装 ............................ 28 从源代码安装 ................................. 29 依赖的其他模块 ............................. 30 2.5.1 numpy ................................. 30 2.5.2 matplotlib ............................ 31 2.6 第 3 章 3.1 3.2 3.3 3.4 3.2.5 DISTRIBUTIONS 面板 ...... 43 3.2.6 HISTOGRAMS 面板 .......... 43 3.2.7 EMBEDDINGS 面板 .......... 44 可视化的例子..................................44 3.3.1 降维分析 ............................. 44 3.3.2 嵌入投影仪 ......................... 48 小结.................................................. 51 3.2.4 GRAPHS 面板 42 目录 1 1.5.1 TensorFlow 的特性 1.5.2 使用 TensorFlow 的公司 1.5.3 TensorFlow 的发展 2 目录 第 4 章 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.10 4.11 4.11.2 最佳实践...........................93 小结.............................................. 101 TensorFlow 源代码解析 ........... 102 TensorFlow 的目录结构 ................ 102 5.1.1 contirb ............................... 103 5.1.2 core .................................... 104 5.1.3 examples............................105 5.1.4 g3doc ................................. 105 5.1.5 python................................ 105 5.1.6 tensorboard ........................ 105 TensorFlow 源代码的学习方法 .... 106 小结................................................ 108 神经网络的发展及其 TensorFlow 实现............................................. 109 卷积神经网络................................109 卷积神经网络发展 ........................ 110 6.2.1 网络加深 ........................... 111 6.2.2 增强卷积层的功能 ........... 115 6.2.3 从分类任务到检测任务 ... 120 6.2.4 增加新的功能模块 ........... 121 MNIST 的 AlexNet 实现 ............... 121 6.3.1 加载数据 ........................... 121 6.3.2 构建网络模型 ................... 122 6.3.3 训练模型和评估模型 ....... 124 循环神经网络................................125 循环神经网络发展 ........................ 126 6.5.1 增强隐藏层的功能 ........... 127 6.5.2 双向化及加深网络 ........... 129 TensorFlow Model Zoo .................. 131 其他研究进展................................131 6.7.1 强化学习 ........................... 132 6.7.2 深度森林 ........................... 132 6.7.3 深度学习与艺术 ............... 132 小结................................................ 133 TensorFlow 的高级框架 ........... 134 TFLearn.......................................... 134 TensorFlow 基础知识................. 52 系统架构 ......................................... 52 设计理念 ......................................... 53 编程模型 ......................................... 54 4.3.1 边 ........................................ 56 4.3.2 节点 .................................... 57 4.3.3 其他概念 ............................ 57 常用 API .......................................... 60 4.4.1 图、操作和张量................. 60 4.4.2 可视化 ................................ 61 变量作用域 ..................................... 62 4.5.1 variable_scope 示例 ........... 62 4.5.2 name_scope 示例................ 64 批标准化 ......................................... 64 4.6.1 方法 .................................... 65 4.6.2 优点 .................................... 65 4.6.3 示例 .................................... 65 神经元函数及优化方法 ................. 66 4.7.1 激活函数 ............................ 66 4.7.2 卷积函数 ............................ 69 4.7.3 池化函数 ............................ 72 4.7.4 分类函数 ............................ 73 4.7.5 优化方法 ............................ 74 模型的存储与加载 ......................... 79 4.8.1 模型的存储与加载............. 79 4.8.2 图的存储与加载................. 82 队列和线程 ..................................... 82 4.9.1 队列 .................................... 82 4.9.2 队列管理器 ........................ 85 4.9.3 线程和协调器 .................... 86 加载数据 ....................................... 87 4.10.1 预加载数据 ...................... 87 .......................... 87 ............... 88 实现一个自定义操作.................... 92 4.11.1 步骤 .................................. 92 4.12 第 5 章 5.1 5.2 5.3 第6章 6.1 6.2 6.3 6.4 6.5 6.6 6.7 6.8 第 7 章 7.1 4.10.2 填充数据 4.10.3 从文件读取数据 7.2 第 8 章 8.1 8.2 8.3 第9章 9.1 9.2 9.3 9.4 9.5 9.6 7.1.1 加载数据 .......................... 134 7.1.2 构建网络模型 .................. 135 7.1.3 训练模型 .......................... 135 Keras .............................................. 135 7.3 7.2.1 Keras 的优点..................... 136 7.2.2 Keras 的模型..................... 136 7.2.3 Keras 的使用..................... 137 小结................................................ 141 9.6.2 TensorFlow 的自编码网络 实现...................................165 小结................................................ 169 第一个 TensorFlow 程序.......... 144 TensorFlow 的运行方式 ............... 144 8.1.1 生成及加载数据............... 144 8.1.2 构建网络模型 .................. 145 8.1.3 训练模型 .......................... 145 超参数的设定 ............................... 146 小结 ............................................... 147 TensorFlow 在 MNIST 中的 应用 ............................................ 148 MNIST 数据集简介 ...................... 148 9.1.1 训练集的标记文件........... 148 9.1.2 训练集的图片文件........... 149 9.1.3 测试集的标记文件........... 149 9.1.4 测试集的图片文件........... 150 MNIST 的分类问题 ...................... 150 9.2.1 加载数据 .......................... 150 9.2.2 构建回归模型 .................. 151 9.2.3 训练模型 .......................... 151 9.2.4 评估模型 .......................... 152 训练过程的可视化 ....................... 152 MNIST 的卷积神经网络 .............. 156 9.4.1 加载数据 .......................... 157 9.4.2 构建模型 .......................... 157 9.4.3 训练模型和评估模型....... 159 MNIST 的循环神经网络 .............. 161 9.5.1 加载数据 .......................... 161 9.5.2 构建模型 .......................... 161 9.5.3 训练数据及评估模型....... 163 MNIST 的无监督学习 .................. 164 9.6.1 自编码网络 ...................... 164 9.7 第二篇 实战篇 第 10 章 10.1 10.2 10.3 10.4 10.5 10.6 第 11 章 11.1 11.2 人脸识别 .................................. 170 人脸识别简介..............................170 人脸识别的技术流程 .................. 171 10.2.1 人脸图像采集及检测 ..... 171 10.2.2 人脸图像预处理 ............. 171 10.2.3 人脸图像特征提取 ......... 171 10.2.4 人脸图像匹配与识别 ..... 172 人脸识别的分类 .......................... 172 10.3.1 人脸检测 ......................... 172 10.3.2 人脸关键点检测 ............. 173 10.3.3 人脸验证 ......................... 174 10.3.4 人脸属性检测 ................. 174 人脸检测...................................... 175 10.4.1 LFW 数据集 ................... 175 10.4.2 数据预处理 ..................... 175 10.4.3 进行检测 ......................... 176 性别和年龄识别 .......................... 178 10.5.1 数据预处理 ..................... 179 10.5.2 构建模型 ......................... 181 10.5.3 训练模型 ......................... 182 10.5.4 验证模型 ......................... 184 小结.............................................. 185 自然语言处理 ........................... 186 模型的选择 .................................. 186 英文数字语音识别 ...................... 187 11.2.1 定义输入数据并预处理 数据.................................188 目录 3 4 目录 11.3 11.4 第 12 章 12.1 第 14 章 14.1 14.2 14.3 14.4 14.5 14.6 14.7 第 15 章 15.1 15.2 15.3 小结 ............................................. 200 13.3 图像与语音的结合 .................. 201 13.4 看图说话模型 ............................. 201 13.5 第三篇 提高篇 12.1.1 原理.................................202 12.1.2 最佳实践 ......................... 203 小结.............................................. 205 生成式对抗网络 ......................206 生成式对抗网络的原理 .............. 206 生成式对抗网络的应用 .............. 207 生成式对抗网络的实现 .............. 208 生成式对抗网络的改进 .............. 214 小结.............................................. 214 11.2.2 定义网络模型................. 188 11.2.3 训练模型......................... 188 11.2.4 预测模型......................... 189 12.2 智能聊天机器人.......................... 189 第13章 11.3.1 原理 ................................ 190 13.1 11.3.2 最佳实践......................... 191 13.2 分布式 TensorFlow ................ 216 分布式原理 ................................. 216 15.4 JIT 编译在 MNIST 上的实现 ..... 239 15.5 小结.............................................. 240 第16章 TensorFlow Debugger ...........241 16.1 Debugger 的使用示例 ................. 241 16.2 远程调试方法..............................245 16.3 小结.............................................. 245 第17章 TensorFlow 和 Kubernetes 结合 .......................................... 246 17.1 为什么需要 Kubernetes...............246 17.2 分布式 TensorFlow 在 Kubernetes 中的运行 ..................................... 247 17.2.1 部署及运行 ..................... 247 17.2.2 其他应用 ......................... 253 17.3 小结.............................................. 254 第18章 TensorFlowOnSpark ..............255 18.1 TensorFlowOnSpark的架构........255 18.2 TensorFlowOnSpark 在 MNIST 上的实践 ..................................... 257 18.3 小结.............................................. 261 第19章 TensorFlow 移动端应用 ......... 262 19.1 移动端应用原理 .......................... 262 19.1.1 量化.................................263 19.1.2 优化矩阵乘法运算 ......... 266 19.2 iOS 系统实践............................... 266 19.2.1 环境准备 ......................... 266 14.1.1 单机多卡和分布式......... 216 14.1.2 分布式部署方式............. 217 分布式架构 ................................. 218 14.2.1 客户端、主节点和工作 节点的关系 .................... 218 14.2.2 客户端、主节点和工作 节点的交互过程............. 220 分布式模式 ................................. 221 14.3.1 数据并行 ........................ 221 14.3.2 同步更新和异步更新..... 222 14.3.3 模型并行 ........................ 224 分布式 API .................................. 225 分布式训练代码框架 ................. 226 分布式最佳实践 ......................... 227 小结 ............................................. 235 TensorFlow 线性代数编译 框架 XLA ................................. 236 XLA 的优势 ................................ 236 XLA 的工作原理 ........................ 237 JIT 编译方式 ............................... 238 15.3.1 打开 JIT 编译 ................. 238 15.3.2 将操作符放在 XLA 设备上 ............................ 238 19.3 19.4 19.5 第 20 章 20.4 第 21 章 21.1 21.2 21.3 21.4 21.5 附录 A 附录 B 20.1 20.2 20.3 19.2.2 编译演示程序并运行..... 267 19.2.3 自定义模型的编译及 运行 ................................ 269 Android 系统实践 ....................... 273 19.3.1 环境准备 ........................ 274 19.3.2 编译演示程序并运行..... 275 19.3.3 自定义模型的编译及 运行 ................................ 277 树莓派实践 ................................. 278 小结 ............................................. 278 TensorFlow 的其他特性 ........ 279 TensorFlow Serving ..................... 279 TensorFlow Flod .......................... 280 TensorFlow 计算加速 ................. 281 20.3.1 CPU 加速........................ 281 20.3.2 TPU 加速和 FPGA 加速.................................282 小结.............................................. 283 机器学习的评测体系 ..............284 人脸识别的性能指标 .................. 284 聊天机器人的性能指标 .............. 284 机器翻译的评价方法 .................. 286 21.3.1 BLEU .............................. 286 21.3.2 METEOR ........................ 287 常用的通用评价指标 .................. 287 21.4.1 ROC 和 AUC .................. 288 21.4.2 AP 和 mAP...................... 288 小结.............................................. 288 公开数据集.................................289 项目管理经验小谈.....................292

Best Http网络请求框架；unity3D端网路请求框架，比自己写的www好用多了，很简单就上手，还带有demo，文档说明

Android OpenGL ES2.0粒子系统，包含了VBO的使用方法，用时间来做参数传递给顶点shader，让shader根据时间变换，从而改变当前绘制点的位子，从而形成粒子流

OpenGL ES粒子系统制作墙纸，此程序不含Activity，运行之后，显示了粒子系统，回到home界面，长按屏幕，会弹出更换壁纸的窗口，点击动态壁纸，这时候就可以看见有我们的壁纸了;

OpenGL ES粒子系统制作墙纸，定制我们自己的墙纸，运行之后，显示了粒子系统，回到home界面，长按屏幕，会弹出更换壁纸的窗口，点击动态壁纸，这时候就可以看见有我们的壁纸了;

openGL为粒子系统把点加上纹理，让粒子显示你想要的东西

为粒子系统添加了重力，使粒子系统看起来更加的逼真

openGL ES2.0粒子系统，粒子采用圆片显示

本文档很详细的讲解了如和零基础的在Android OpenGL ES中开发GLSL着色语言，详细参见http://blog.csdn.net/racehorse/article/details/6593719

本文档内容详细的讲解了OpenGL ES的开发，是入门级的好书，文档原作者是 http://blog.csdn.net/mapdigit/article/details/7526556

很详细的讲解了Linux内核的启动流程，值得一看

做Linux驱动开发的，基本都看过这本书，讲的非常好