什么是finetuning？在实践中，由于数据集不够大，很少有人从头开始训练网络。常见的做法是使用预训练的网络（例如在ImageNet上训练的分类1000类的网络）来重新finetuning（也叫微调），或者当做特征提取器。以下是常见的两类迁移学习场景：1卷积网络当做特征提取器。使用在ImageNet上预训练的网络，去掉最后的全连接层，剩余

_1.异常的分类_Error：称为错误，有java虚拟机生成并抛出，包括动态链接失败、虚拟机错误等，程序对其不做处理。Exception:所以异常类的父类，其子类对应了各种各样可能出现的异常，一般需要用户显示的声明或捕获。RuntimeException:一类特殊的异常，如被0除，数组下标超范围等，其产生比较频繁，处理比较麻烦，如果显示

人脸检测方法有许多，比如opencv自带的人脸Haar特征分类器和dlib人脸检测方法等。对于opencv的人脸检测方法，优点是简单，快速；存在的问题是人脸检测效果不好。正面/垂直/光线较好的人脸，该方法可以检测出来，而侧面/歪斜/光线不好的人脸，无法检测。因此，该方法不适合现场应用。而对于dlib人脸检测方法采用64个特征点检测，效果会好于opencv

RPN概述1)RPN网络综述BaseModel最后一层经过一个3\3\512的卷积后，分两路，一路为1\1\18卷积，代表每个点9个anchor，2类（fg和bg），因此是9\218维2分类预测值；另一路为1\1\36，代表每个点9个anchor，4个坐标值（x,y,w,h），因此是9\436维

Java垃圾回收调优博客分类：jvmjava在Java中，通常通讯类型的服务器对GC(GarbageCollection)比较敏感。通常通讯服务器每秒需要处理大量进出的数据包，需要解析，分解成不同的业务逻辑对象并做相关的业务处理，这样会导致大量的临时对象被创建和回收。同时服务器如果需要同时保存用户状态的话，又会产生很多永久的对象，比如用户sess

连接查询将多张表进行记录的连接（按照某个指定的条件进行数据拼接）　　最终结果是：记录数有可能变化，字段书一定会增加（至少两张表的合并）　　连接查询的意义：在用户查看数据的时候，需要显示的数据来自多张表。　　连接查询分类sql中将连接查询分成四类：内连接，外连接，自然连接，交叉连接　　1.交叉连接：crossjoi

前言前段时间，有读者希望我写一篇关于IP分类地址、子网划分等的文章，他反馈常常混淆，摸不着头脑。那么，说来就来！而且要盘就盘全一点，顺便挑战下小林的图解功力，所以就来个IP基础知识全家桶。吃完这个IP基础知识全家桶全家桶，包你撑着肚子喊出：“真香！”不多说，直接上菜，共分为三道菜：

Hadoop，Spark和Storm博客分类：分布式计算大数据我们都知道hadoop，可是还会各种各样的技术进入我们的视野：Spark，Storm，impala，让我们都反映不过来。为了能够更好的架构大数据项目，这里整理一下，供技术人员，项目经理，架构师选择合适的技术，了解大数据各种技术之间的关系，选择合适的语言。我们可以带着下面问题来阅读

Choerodon猪齿鱼平台使用React作为前端应用框架，对前端的展示做了一定的封装和处理，并配套提供了前端组件库ChoerodonUI。结合实际业务情况，不断对组件优化设计，提高代码质量。本文将结合Choerodon猪齿鱼平台使用案例，简单说明组件的分类、设计原则和设计模式，帮助开发者在不同场景下选择正确的设计和方案编写组件（示例代码基于ES6

一、Java内存分类1、Java有几种存储区域？\寄存器\在CPU内部，开发人员不能通过代码来控制寄存器的分配，由编译器来管理\栈\在Windows下,栈是向低地址扩展的数据结构，是一块连续的内存的区域，即栈顶的地址和栈的最大容量是系统预先规定好的。\优点：由系统自动分配，速度较快。