PoEdu_计算机基础_lesson1__笔记
======================仰望星空
脚踏实地==========================
======================&&&&&&lesson
&==========================
问题切入：1.程序是什么？
&&&&&&&&&&&&&&&&&2.程序由什么组成？
&&&&&&&&&&&&&&&&
3.什么是机器语言？
&&&&&&&&&&&&&&&&
4.运行中的程序存储在什么位置？
&&&&&&&&&&&&&&&&&5.什么是内存地址？
&&&&&&&&&&&&&&&&&6.程序的解释和运行的计算机部件叫什么？
CPU的组成：
&&&&&&&&&&&&&&&
<font COLOR="#.寄存器&
短暂存储一些值（数据）&&
（寄存器的数量可能不止一个；角色：负责数据的存储）
&&&&&&&&&&&&&&&&2.控制器&
写入&&&&&&&&&&&&&&&&&&&&&&&&&&（角色：指挥）
&&&&&&&&&&&&&&&
3.运算器& =&&
逻辑运算单元&&&&&&&&&&&&&&&&&&&&&（角色：协调）
&&&&&&&&&&&&&&&&4.时钟&&&&
推动CPU运转一次的时间&&&&（1GHz=10亿次/秒）
程序：程序=指令+数据
高级语言：指令更少，更易记忆（如C中的printf("hello world")）
低级语言：机器语言（由0和1构成）
乱码（网络传播导致）：由原来的1234排序变为了2431 即从有规则变为无规则
代码-&CPU:
代码&&&&&&&
&（算法+数据）&&&&（二进制指令）&&&
（进内存）&&&&&
（寄存器交互）
寄存器的类型：1.累加寄存器&： 加法运算
&&&&&&&&&&&&&&&&&&&&&&&
2.标志寄存器： 进行逻辑判断（数据处理之后CPU的状态）
&&&&&&&&&&&&&&&&&&&&&&&
3.基址寄存器：存储当前数据内存的开始位置
&&&&&&&&&&&&&&&&&&&&&&&
4.变址寄存器：存储基址寄存器的相对位置
&&&&&&&&&&&&&&&&&&&&&&&
5.通用寄存器：可接受各种运用
&&&&&&&&&&&&&&&&&&&&&&&
6.指令寄存器：不对外开放，用于CPU存储指令
&&&&&&&&&&&&&&&&&&&&&&&&7.栈寄存器&&
：记录栈的起始位置
&&&&&&&&&&&&&&&&&&&&&&&&8.程序计数器：存储下一条指令的内存地址
寄存器可看作是CPU的内存，与普通内存相比，其速度会是普通内存的几十甚至上百倍
&& 某一内存的具体地址=基址+变址
程序计数器的用处更大的体现在不是顺序执行的时候，例如条件语句，循环语句等需要判断/跳转的时候
关于二进制：
为什么使用二进制而不使用熟知的十进制？
二进制便于记录通电状态（0或5v）&&
（集成芯片=&引脚）
二进制对于图片的呈现：通过点阵实现
二进制对于视频的呈现：视频课看作是多张图片的翻动形成（帧），故实现原理与图片的呈现相同
二进制对于音频的呈现：通过控制音宽实现
练习：书写十进制数字0~16所对应的二进制
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。第三方登录
没法当面听计算机视觉大师授课？现在课堂笔记来了
编者按：还记得「Computer Vision Mini Course」的读者福利吗？被选中的幸运星Robert Li在听课的过程中也做了一份课程观察笔记。PingWest摘录了其中一部分内容供感兴趣的读者阅读。 大家好，我是Robert. 非常幸运被选为PingWest中文网的观察员参与上海依图组织的计算机视觉迷你课程当中。在此我将尽己所能将对这次课程的观察记录下来，适时脑补自己的想法；同时我也将涉及到的外围知识以提供链接和外部资料的形式介绍给PingWest中文网的网友。由于本人姿势水平有限，Alan Yuille讲授的内容又有很多很前沿的内容，所以记录难免有不准确甚至错误的地方，还请大家见谅，同时请当时在场的同学看到后及时指出。另外，为了帮助读者理解，我也提供了一些我自己之前搜集的私货。 让我们开始吧！ 我们的主讲嘉宾Alan Yuille是UCLA（加州大学洛杉矶分校）统计系的教授，同时在心理学系，计算机系，精神病学和生物行为学系任客座教授。Alan Yuille还是 UCLA 视觉识别与机器学习中心主任。这位牛人在剑桥拿到数学专业的学士学位之后，师从霍金拿到了理论物理学位（Alan说当年因为觉得不会 quantize gravity而认为自己很笨，同学物理的捂脸走……）。而后，Alan加入MIT的人工智能实验室，哈佛计算机系等，最后来到UCLA。Alan Yuille 获得过2003年的 Marr Prize，这是CV领域的最高奖了。
左侧Alan Yuille，右侧Leo Zhu 上海依图网络科技有限公司的创始人之一 Leo Zhu（朱珑）是Alan Yuille的PhD学生，这位稀有的拥有茂密黑发的前PhD回国之后创立了依图，进行基于计算机视觉的创业，建立了依图。他邀请Alan Yuille来给同学们上课的原因是Alan Yuille代表了计算机视觉领域世界一流水平的研究工作，他的讲授将bridge国内教学和国际先进的差距。 Ok，言归正传。首先介绍一下Alan Yuille课程的主要内容，课程共分四次，周六（20日）和周日（21日）两天，除了周日下午Alan Yuille讲授了一些关于研究生学习、论文阅读和写作方面的内容之外，其他的大部分内容都涵盖在了他的这一门课里：Vision as Bayesian Inference. 想要完整了解Alan Yuille课程内容的同学可以直接访问他的主页。 第一天第一次课开始。周六上午的课程包括了对CV的介绍和Low-level图像处理的一些知识，包括filter和边缘检测（edge detection）等。Alan Yuille认为计算机视觉之所以困难是因为它是一个十分复杂的学科：图像本身具有复杂性；图像同时具有歧义性；解读图像内容是多目标的，这一任务也具有复杂性。在这些问题上，人眼具有巨大的优势，比如我们可以轻易地发现场景中的一些特定物体（段数不够的去玩“找你妹”…）以及根据单帧场景进行逻辑推理，同时把握大局和细节，比如资深球迷可以根据一副足球比赛中的抓拍来判断比赛球员采用的技战术等等。但是有的时候人眼也会犯错误，比如下图：
看这两张图，是不是感觉图中的女士和船都是飞起来的？但实际上这只是人脑的一种错觉而已。 在Alan看来，计算机视觉之所以困难是因为它是一个十分复杂的学科：图像本身具有复杂性；图像同时具有歧义性；解读图像内容是多目标的，这一任务也具有复杂性。 虽然人脑可能会产生上面的错觉，但在分析上述图像时，计算机一般不会犯人犯的错误，因为它还不具有人类所拥有的那么多先验经验，也没有尝试去解读所有情况的，了解所有图片信息的能力——后一描述就是大名鼎鼎的计算机视觉中的图灵测试：计算机可以从图像中获得人可以获得的所有信息。 为了让读者对计算机视觉有个大概的了解，我们先简单说一下计算机视觉三个层次的主要任务： Low-level：经典图像处理，滤波，去噪，图像加强，边缘检测等等 Middle-level：表面检测，grouping, occlusion等等 High-level：物体识别，场景解读等等。 很多低层次的任务是十分容易有歧义的。比如对于跑在枯草中的狐狸，人可以轻易地判断出来狐狸和草的边界，但是对于计算机而言，就很难判断草和狐狸皮毛的边界，因为二者的颜色和纹理都很像。Alan举了另外一个例子，一个很小的图片，让同学们猜是什么；事实证明那是一条船的很小的一部分，不了解全图没有希望才出来。这便是Local ambiguity in image。想要解决这样的问题，需要求助于上层high-level的操作，比如下层提出多个建议，然后上层再进行判断和分类，接受或者否定下层的建议。 Alan对深层神经网络的理解 神经网络的发展经过了一个十分有趣的历史。从最早的感知机（perceptron）到玻尔兹曼机(Boltzmann machine)，再到目前流行的深层卷积神经网络（deep convolutional neural network），神经网络经历了五六十年代，八九十年代和今天三个时代的发展。Alan认为当前研究和几十年前研究最大的的区别是” better machines and better data”。从2006年开始，神经网络的研究开始突破Boltzmann Machine的限制，去除了sideway connection，开始进入“深层“的领域，在学习效果和计算时间上都得到了很大的提升，尤其是GPU计算的兴起，使得很多原来因计算十分耗时而不实用的算法或应用获得了新生。
上图是一个最简单的含隐含层的神经网络，相比于Boltzmann machine，同一层的节点之间没有直接相连；但是在反向传播的过程中，之前一层的参数会通过后一层的结果而受到影响；间接地，同一层的节点相连了。 神经网络的结构和图形的hierarchical representation（分层表示）很好的结合。Alan说没有人确切的知道动辄十几层的神经网络的中间层的输出是什么，只是笼统地知道它们大概是feature’s feature’s feature’s feature, 也就是特征的特征的特征…训练完成的神经网络输出的是上千维的一个特征向量，对这些向量在高维空间中进行聚类等处理就可以得到我们的分类或者物体识别结果。 非科班同学如何入门？
Alan是一个十分和蔼可亲的人，在讲完学术内容后他还在不厌其烦地回答同学们的问题。我咨询了它对于非计算机科班的同学，如果对这一领域感兴趣应该如何入门。我想这也是很多读者想知道的答案。 Alan了解了我的物理背景之后（其实严格来说Alan本人就是半路出家，不过早了40年），Alan给了我如下三个建议。第一，夯实编程基础；第二，充分利用在线课程，Alan直接拿吴恩达的课程举了例子；第三，参加一些暑期学校。听闻此言我觉得前两点都可以靠一台电脑一根网线解决，第三点难度有些大，还希望能有更多像依图一样的公司能够为学子搭建这样和国际一流学者交流的平台，造福牛人的同时也能造福我这样的小白。 对清华大学2014年特奖候选人施天麟同学的采访： 1.你觉得相比最前沿的研究，这次课程的内容大概属于什么层次？ 这次课程从计算机视觉的最底层概念（像素，边）讲起，涵盖了中层表示，高层的类别，其中也穿插了用来求解视觉问题的机器学习算法。所以，课程量还是比较大的。课程的有一部分内容是Alan Yuille (讲课的教授）自己提出的概念。例如，课程中讲到了compositional model，递归地表示图片中物体的结构，属于最前沿的研究。 2.你觉得这次课程的形式如何？有没有更好的建议？ 课程的形式和大学里教授讲课的方式类似。我觉得改进可以有两点。一是适当地减少课程内容或是增长课时。很多同学觉得两天内接受的知识量巨大，很难消化。二是加强课堂的互动性，让更多的同学问问题，参与讨论。 3.你对PingWest对这一领域感兴趣的读者有何关于学习这一领域知识的建议？ 可以利用MOOC学哈。 4.你个人对机器学习和计算机视觉未来的看法和发展是怎样的？ Alan讲到机器学习和计算机视觉本质上依赖的是复杂现象的建模能力。我认为，当计算机越来越强大的时候，我们所希望借助计算机解决的问题也会越来越纷繁复杂。视觉可以说是这一类问题的代表。当然还有其他的诸如生物信息学、经济学中的问题。可以说，未来设计解决这些问题的算法时候，会借助于机器学习中发展的工具，让计算机自动地识别模式、完成建模。
用微信扫描二维码分享至好友和朋友圈
目前没有跟贴，欢迎你发表观点
图片，文字等缺失或错误
色情，暴力等非法内容
广告，重复文章等垃圾内容
我有话要说笔记电脑软件问题_百度知道产品设计结束之后，进入到如火如荼的研发阶段时，突然研发同学跑过来问你，“这个功能实现太麻烦了，这版肯定实现不了了”，可是这个功能缺又是不可或缺的，作为PM的你该怎么办呢？
这是一个及其常见的问题，很多PM会迎难而上，据理力争，天花乱坠地言称这个功能...
经常会有人问电脑笔记网产品经理到底要具备哪些技能，以前我自己也断断续续总结过一些。趁着十一假期，我整理一张思维导图梳理产品经理必备的技能，希望能对大家有所帮助。
产品经理需要具备的技能，我认为可以总结出以下五个方面：
在需求之下又细分为...
账号重构是我做PM之后，经手的第一个项目。
最初的需求，应该是原始简陋的账号体系无法实现更换手机号，更换微信等需求，也没法把用户的微信和手机号分别创立的账号统一起来。
于是，为了解决这个问题，我决定优化表结构和逻辑，将手机号，三方登录的UID都降级...
近期在电脑笔记网上发表了我的第一篇文章——个人评价这篇文章可以写得再深入点，但是有点着急，幸好以往在这方面总结的比较深入，文字写的也比较多，所以发文前大部分做的工作都是组织整理。以下是个人在输出文章方面的一些经验，总结出来，分享给大家。
1、平时...
电脑笔记网一直在这几年里思考产品经理应当具备的能力，到最近总结了很多。我把它们都放到产品经理的技能树里。大家知道，RPG 游戏技能树的各项并不一定都需要点亮的，每个人要根据各自身处的环境、要完成的任务以及想成为什么样的角色来做决策，去学习和成长为什么...
2周前 (09-30)
像地震这种突然发生的，影响范围又广的天然灾害，瞬间涌入的查询者很容易就会瘫痪官方的信息来源。为了分担官方地震信息网站的压力，Google 新增了「地震」搜索结果的卡片，除了显示最近发生的大地震规模之外，也有地图显示震央与被害范围。不过，目前所有的资...
2周前 (09-30)
苹果在上月末的时候修复了 iMessage 中的一个重大安全漏洞，但其实在当时同一轮的软件更新中，他们也有解决另一个潜在的问题，只是一直等到今天，安全专家才出来解释了一番究竟。具体来说，这个漏洞让骇客能仅凭伪装的 JavaScript 链接向 OS...
2周前 (09-30)
在 3 月和 4 月的时候，苹果设备专属的 iMessage 被发现有数个可能把相片和联系人资料泄露的安全性漏洞。虽说苹果很快就把它们修复好，但这也提醒了我们要小心骇客和政府机关的威胁。只是对于后者，似乎小心也是多余的，因为 The Interce...
2周前 (09-30)
苹果终于选好了他们在伦敦的新总部地点：巴特西电站。这座落于伦敦西南方的著名建筑，自 1983 年起停用。在经过活化工程后，巴特西电站将会集合办公室、餐饮和商店于一身，苹果则会租用在中央的前锅炉房位置，成为 1,400 名职工的新工作地点。据 Eve...
2周前 (09-30)
互联网时代产品和服务过剩，成功的产品出现后往往短期内会有大量模仿者迅速出现，同质化的产品越来越多。如何在众多的产品中突围，成功地抓住用户的注意呢？
或许你会听到有人说产品用户体验好，把产品设计做到极致，说来轻巧，真正做下来，你会发现不断梳理产品流...
2周前 (09-30)
为什么有些人总能有与众不同的想法，并作出创新，而另外一些人却总是循规蹈矩，不得不陷入“买流量”、“刷订单”、“增加广告”等重复性工作？这篇文章就讲讲，如何进行“价值创造”型创新，并分享4种方法。
一个大多数公司正在抱怨的问题：为什么营销变难了？为...
2周前 (09-30)
开头先开个玩笑， 有人说“信贝爷， 得永生” 你是否理解此中真意？
贝叶斯分析是整个机器学习的基础框架， 它的思想之深刻远出一般人所认知的， 电脑笔记网这里要从贝叶斯统计说起。
贝叶斯统计
首先谈概率，概率这件事大家都觉得自己很熟悉， 叫你说概率...
2周前 (09-30)
在国内基本上很难找到DSDM的一些有用的资料或者博客，这篇文章整理和英译了来着国外的一些资料和博客，其中大部分出自这篇文章。
Dynamic Systems Development Method (动态系统开发方法) 是一个敏捷项目...
2周前 (09-30)
老大应该对产品与项目的区别、教育信息化的领域划分、在线教育的产业链等问题都有了了解，对其中涉及到的问题也自然会重视，最初的产品目标是否合理老大心中自然有数。
最近和朋友聊天，朋友说老大计划做一个“宏大的互联网平台型产品”，让该朋友想想如何寻找具体...
2周前 (09-30)
问题出现了并不可怕，只要我们追本溯源，找到问题根源所在，科学的解决问题，合理的制定流程，就能离成功更近一步。
线上事故，这应该是产品经理最怕的事情。很不巧，我的产品这几天正好遇到了线上事故，在处理完问题之后，我对事故进行了复盘，警以为戒，希望各位...
2周前 (09-30)
刚入职的时候，如果有人问我“你会听说读写吗？”，我应该会给他一个白眼，活了这么多年，怎么可能不会这些基本的生存技能？但是，如果现在再问我同一个问题，我的回答应该是“还不怎么会”。为什么答案不一样呢？因为产品人员需要的是升级版的“听说读写”—“用心的...
2周前 (09-30)
也许你知道的只有美女网红，在你不知道的地方，其实还有创业者直播、VC直播、才艺直播、甚至行业专家直播、导游直播、景点直播等等很多有趣的人，有趣的事，正在尝试通过直播的方式，直接呈现到你的面前。
原本是想写写应用号-小程序的，仔细想了想，还是算了吧...
2周前 (09-30)
每个人都有自己的见解，众说纷纭，写长篇大论的人，都说得蛮有道理，与别人观点不同的地方也就是些细节。
在网上看了很多产品工作流程里写文档的方法分享，大多讲的都是方法和思路，总结下来大概也就是文档内容要求：清晰、高效、准确、不漏，写作形式分为word...
2周前 (09-30)
产品需求的优先级评估是一个颇有难度的工作，其实也是也是颇有技术性的活。电脑笔记网介绍几种常用的需求优先级的评估方法。
一、数字排序法（三分法）
需求可分为强制型(Mandatory)，满意的(Desirable)，非必要的（Inessential...
2周前 (09-30)
能选择做产品经理这个职业的，大多数都怀有改变世界的创业梦想，是选择在创业公司默默耕耘，还是马上出来大干一场呢？本期电脑笔记网为你留了两手，无论你如何抉择，总有一个答案适合现在的你。
本周最热门的消息，莫过于微信小程序准备上线了。这个消息一传出来，...