不得不相信英伟达总能给我们惊喜，老潘作为一名深度学习从业者以及游戏爱好者，对于这种与AI、GPU、并行计算相关的话题一直都是比较感兴趣。作为深度学习第一大硬件平台的英伟达，我们自然熟悉的不能再熟悉了。

最近闲来无事，老潘以一名普通算法工程师的角度，结合自身以及周围人的情况，理性也感性地分析一下极市平台前些天发布的2020年度中国计算机视觉人才调研报告。

最近在复盘今年上半年做的一些事情，不管是训练模型、部署模型搭建服务，还是写一些组件代码，零零散散是有一些产出。

BN是2015年论文Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift提出的一种**数据归一化方法**。现在也是大多数神经网络结构的**标配**，我们可能已经**熟悉的不能再熟悉了**。

对于很多入门深度学习领域的小伙伴来说啊，拥有一款合适的显卡是必要的，只有拥有好的装备才能更好更快地进行神经网络的训练、调试网络结构、改善我们的代码，进而更快地产出结果。

还记得在2018月3月份火爆reddit的deepfake吗？将视频中的头换成另一个人的头像，虽然可能有些粗糙和模糊，但是在分辨率不要求很高的情况下可以达到以假乱真的效果。

对于神经网络，我们更多谈的是其精度怎么样，有百分之零点几的提升。但是如果谈到速度的话，深度学习神经网络相比于传统的算法来说，速度恐怕没有那么快了。

之前我在这篇文章中简单介绍过如何利用Markdown在wordpress中进行写作：https://oldpan.me/archives/wordpress-markdown-rightway (这篇文章与此篇文章接轨，建议都看)

关于深度学习人工智能落地，已经有有很多的解决方案，不论是电脑端、手机端还是嵌入式端，将已经训练好的神经网络权重在各个平台跑起来，应用起来才是最实在的。

可以说是万众期待下，老黄发布了消费级（民用级）显卡RTX2070、RTX2080、RTX2080TI，作为“大多数人”，不得不说在发布会即将结束的那一刻，真的很想预订一块。真的很有诱惑力啊，毕竟价格摆在那里，RTX2080TI显卡相比1080TI可是贵了许多，Founder Edition 版 京东上预订9999差不多1w了。

深度学习近两年来发展极为迅速，在计算能力大大提高的情况下，很多深度学习方向的思想都得以实现。但是，深度学习有一个令人头疼的缺点，那就是需要大量样本来进行训练才能达到较好的泛化。

本篇文章可作为<利用变分自编码器实现深度换脸(DeepFake)>(稍后放出)的知识铺垫。

深度学习中，设计模型以及保证模型的正确性是首要需要考虑的。当模型设置完成时，理论上模型不存在问题，实现效果也通过计算可以复现出来。一切准备就绪后，那么接下来需要操作的就是——调参了。

博主使用的windows电脑为： 机械革命（MECHREVO）深海泰坦 X6Ti 多彩版 15.6英寸游戏本i7-6700HQ 8G 128GSSD+1T GTX965M 4G IPS win10 购买不到一年，刚开始使用还没什么问题，但是最近八月份电脑频频出现蓝屏现象，每次蓝屏都显示UNEXPECTED_STORE_EXCEPTION状态码，出现蓝屏时基本都在使用一些大型软件或者在下载东西，故猜测蓝屏现象与磁盘读取有关系，于是各种装补丁更新系统以及删除出现在蓝屏日期的一些软件，但是基本改善不了现象

这里打印了两次，第一次实在main.py在进行import test的时候，进行的打印，第二次才是test.HaveFun()中执行的打印，可以发现，这里的 __name__名称已经发成了变化，从之前的main变成了模块名称test。

不同学校教材不通，大部分书都把C语言的基本内容讲出来了，不推荐谭浩强的C语言书，如果仅仅是当第一本C语言书是可以的。

平台： win10（版本1709） CPU：i5-7400 显卡：1060 6G 内容：8G

来自于我之前的博客：https://blog.csdn.net/iamoldpan/article/details/78562500

ubunt版本：16.04 笔记本：机械革命，i7-6700，gtx965m（集显Intel Hm170 ） 安装NVIDIA以及cuda来测试深度学习

其中a的取值范围[0,1]，具体就是：本次滤波结果=(1-a)*本次采样值+a*上次滤波结果，采用此算法的目的是：