Algorithm

给定两个数组，编写一个函数来计算它们的交集。

示例 1:

输入: nums1 = [1,2,2,1], nums2 = [2,2]
输出: [2]
示例 2:

输入: nums1 = [4,9,5], nums2 = [9,4,9,8,4]
输出: [9,4]
说明:

输出结果中的每个元素一定是唯一的。
我们可以不考虑输出结果的顺序。

思路：这道题让我们找两个数组交集的部分（不包含重复数字），难度不算大，我们可以用个set把nums1都放进去，然后遍历nums2的元素，如果在set中存在，说明是交集的部分，加入结果的set中，最后再把结果转为vector的形式即可：

//
// Created by zdq on 2019/12/16.
//
#include <iostream>
#include <vector>
#include <set>using namespace std;class Solution{
public:vector<int> intersection(vector<int>& nums1, vector<int>& nums2){set<int> record;for(int i = 0; i<nums1.size();i++)record.insert(nums1[i]);set<int> resultSet;for(int i = 0; i<nums2.size();i++)if(record.find(nums2[i]) != record.end())resultSet.insert(nums2[i]);vector<int> resultVector;for(set<int>::iterator iter = resultSet.begin();iter != resultSet.end();iter++)resultVector.push_back(*iter);return resultVector;}
};int main(){int nums1[] = {1, 2, 2, 1};vector<int> vec1(nums1, nums1 + sizeof(nums1)/sizeof(int));int nums2[] = {2, 2};vector<int> vec2(nums2, nums2 + sizeof(nums2)/sizeof(int));vector<int> res = Solution().intersection(vec1, vec2);for(int i=0; i<res.size(); i++)cout << res[i]<< " ";cout << endl;return 0;
}

Review

依然是Recent Advances in Efficient Computation of Deep Convolutional Neural Networks
深度卷积神经网络有效计算的最新进展
这篇论文的解读

硬件加速器

通常，加速器由五个部分组成：数据缓冲区，参数缓冲区，处理元件，全局控制器和片外传输管理器，如图所示。 3。数据缓冲区用于缓存输入图像，中间数据和输出预测，而权重缓冲区主要用于缓存卷积滤波器。处理元素是执行乘加，非线性和任何其他函数（如归一化，量化等）的基本计算单元的集合。全局控制器用于协调片上计算流，而数据和指令的片外传输通过管理器进行。这种基本架构可以在为特定任务和一般任务设计的现有加速器中找到。

异构计算在硬件加速中被广泛采用。对于计算密集型操作（如乘法加法），高效地将它们整合到硬件上是非常有效的，否则，可以在CPU / GPU上放置数据预处理，softmax和任何其他图形操作以进行低延迟处理。

在所有加速器中，处理元件中存在最大差异，因为它们是为深度网络中的大多数计算任务而设计的，例如大规模乘加运算，归一化（批量归一化或局部响应归一化）和非线性。 （ReLU，sigmoid和tanh）。通常，加速器的计算引擎由许多小的基本处理元件组成，如图所示。 3，这种架构主要用于数据的重用和并行。然而，考虑到较低的数据移动和资源保护，有许多加速器仅使用一个处理元件进行操作。

各种算法，硬件软件协同，下次将专门研究压缩加速的pruning论文系列！

Tips

Haar级联匹配
https://www.cnblogs.com/zyly/p/9410563.html

毕业课题中的违章车辆车牌识别算法，相比较传统算法而言使用了基于目标检测的方法进行车牌粗定位，使用目标检测器是基于OpenCV的Haar级联分类器，其速度也达到了不错的效果，对于移动端的大车牌基本可以实时定位。最初该方法由Viola和Jones提出，最开始是为了解决人脸检测的问题，但是车牌和人脸都有类似的纹理特征规律，所以将该方法迁移到车牌的定位当中。Haar级联分类器的过程如下：使用Haar-like特征做检测，使用积分图对Haar-like特征求值进行加速，使用AdaBoost算法训练区分车牌与非车牌的强分类器，使用筛选式级联把强分类器级联到一起，提高准确率。

Share

https://mp.weixin.qq.com/s/P63MMq2rJgyGCZA54ifpJQ
牧羊少年的奇幻之旅的感悟