nn

解决方案:1、检查内存是否插紧，质量是否有问题或不兼容。2、更改、升级显卡、声卡、网卡驱动程序。3、请安装系统补丁。4、杀毒。5.打开主机机箱，除尘，将所有的连接插紧，插牢，给风扇上油，或换新风扇。台式机在主机机箱内加临时风扇，辅助散热，是本本，加个散热垫。6.拔下内存用橡皮擦清理一下内存的金手指，清理插槽，再将内存条插紧。如果你的主板上有两条内存，有可能是内存不兼容或损坏，拔下一条然后开机试试看，再换上另一条试试看。7、将BIOS设置成出厂默认或优化值；找身边会刷新升级刷新BIOS的能人帮助刷新，或到电脑行刷新。8、进安全模式查杀木马病毒，清除恶评插件。9、如果是新安装驱动或软件后产生的，禁用或卸载所有新安装的驱动和软件。10、升级显卡驱动；降低分辨率（800×600）、颜色质量（16）、刷新率（75）；降低硬件加速-桌面属性-设置-高级-疑难解答-将“硬件加速”降到“无”（或适中），必要时换个档次高一点的显卡。11、从网上驱动之家下载驱动精灵2009最新版，更新鼠标和其它指针、网卡、显卡、声卡以及系统设备、IDE控制器、串行总线控制器等驱动。12、检查并修复硬盘错误，开始--运行---输入Chkdsk/r（/前有空格）--确定，重新启动计算机。13、整理磁盘碎片。我的电脑—右击要整理磁盘碎片的驱动器—属性—工具--选择整理的磁盘打开“磁盘碎片整理程序”窗口—分析—碎片整理—系统即开始整理。14、换个系统光盘重装系统。15、如果是玩游戏时出现蓝屏，更换游戏软件版本。

我的建议：重装系统

物理内存！把内存条弄下吧！要不就还原一下系统！

Stop:0x000000F4 ( 等同于新式蓝屏表示代码 BCCode: f4 )0x000000f4 CRITICAL_OBJECT_TERMINATION此问题主要由于系统重要进程被意外终止。请使用干净启动的操作来排除软件方面的干扰。开机按F8进安全模式,设置操作系统进入干净启动状态：a. 点击开始菜单并在搜索框中输入msconfig，然后按回车键。b. 点击“服务”标签卡，选择“隐藏所有的微软服务”，然后点击全部禁用。(如果可选)c. 点击“启动”标签卡, 然后点击全部禁用并确定。然后重新启动计算机。当弹出“系统配置实用程序”(msconfig)的时候，选中此对话框中的“不再显示这条信息”并点击确定。提示: 临时禁用启动项只是为了预防启动加载时遇到的问题。此操作不会影响系统或者其他程序，以后我们可以以手动启动的方式来启动这些程序。进安全模式后,打开设备管理器,看看如有带黄色叹号的设备>需要更新安装正确的驱动程序.检查系统日志->按Win+R键或点击屏幕左下角"开始">运行>输入:EventVwr.msc(也可以打开>控制面板>管理工具>事件查看器)>打开后.点击"自定义视图>管理事件"和"Windows日志"下各项日志,双击打开红色错误和黄色警告项,查看具体的报错信息了.然后根据具体的报错信息进行相应的修复.涉及到第三方软件的错误,就卸载该软件.属于系统错误可以尝试手动修复或系统还原.注销或重启电脑.再进系统看看是否已恢复系统正常.如果依然报错,无法修复的话,可以使用系统备份恢复系统初始状态,或者彻底重装操作系统.如果干净启动之后问题依然发生，那么有可能与感染了病毒有关，建议将重要数据备份之后，将系统还原到出厂设置，然后使用计算机，确认是否依然蓝屏。如果一键还原之后问题依然存在，建议联系售后部门进行检修。Stop:0x000000F4蓝屏代码原因：内存存取错误.内存存取错误,你可以尝试一下,把内存拔下用橡皮擦擦金手指再安上去试试.我的电脑以前也出现过此问题,后来换了内存才解决. 也有可能是你的驱动不兼容造成的,你可以升级驱动程序为带有微软WHQL数字签名认证的驱动程序后重启电脑看看有无改善. 最好是先把系统全新安装一次,如果你是个别软件出现问题那你就在不要用那了.你看看其他的软件是不是都有这个问题. .如对你有帮助.请及时选为【满意回答】

原因及解决方法：1、内存条接触不良或兼容性不太好解决方法：拔下内存条用橡皮擦擦金手指再装回去试试，还不行，交换一下内存插槽位置插回去试试;2、板卡接触不良或品质问题致设备运行不稳定解决方法：关机把所有硬件重新插一下，避免有虚接的情况;3、硬件兼容性较差解决方法：这种情况常见于非品牌的组装兼容机上，没什么好方法，知道哪有问题，就换什么吧;4、电脑散热不良致使CPU或显卡芯片温度过高而死机，其中有硬件设计缺陷，比如某些被召回的显卡或计算机部件解决方法：彻底除尘加强机器散热，还不行就换风扇(散热器);5、硬盘坏道解决方法：检测和尝试修复硬盘坏道，但是修复硬盘坏磁道会破坏磁道及其临近扇区的数据。请在硬盘坏道修复前先做好数据备份，以减少不必要的数据损失;

是不是然后就自动重启了？我用公家的本本遇到过这种问题，首先是Explorer出了问题，然后一般重启后就出现这个问题，估计是系统的原因，重装之后就没事了。如果重装之后还这样，那可能就是硬件的问题了

首先检查一下你的内存有没有问题，拔出来擦一擦，最好换一条好的试试。如果你进的去系统，杀一杀毒。如果你内存没问题，那么就是你的系统文件丢失或者其他的问题。只能重装系统了。

电脑系统出现蓝屏，出现英文beginning dump of physical memory，是因为系统中的软件与系统存在冲突，导致系统的存储出现问题，可以根据蓝屏中的英文提示，先将电脑重新开启，然后可以通过下面的设置方法对电脑进行设置，具体的设置方法如下：1、点击电脑左下角开始菜单，然后找到并单击“运行”选项：2、然后会弹出一个运行对话框，在对话框中输入“gpedit.msc”，然后鼠标单击“确定”：3、接下来会弹出“本地组策略编辑器”页面，在该页面的右边双击“计算机配置”：4、在打开的计算机配置页面中选择“管理模板”并双击打开：5、打开管理模板后，双击“系统”选项：6、在该页面中找到“关机选项”，并双击打开：7、双击“关闭会阻止或取消关机的应用程序的自动终止功能”，在弹出的对话框中选择已启用即可：

蓝屏故障和其它故障一样，根据成因大致可以分为软件和硬件两个方面。现在还是遵循先软后硬的原则来看看故障的成因和解决办法吧！　　一、软件引起的蓝屏故障　　1．重要文件损坏或丢失引起的蓝屏故障(包括病毒所致)。　　实例：Win98中的VxD(虚拟设备驱动程序)或是．DLL

B

35CrMnSi钢是低合金超高强度钢，热处理后有好的综合力学性能，高强度，足够的韧性，淬透性，焊接性，加工成型性均较好，但耐蚀性和抗氧化性能低，是低温回火或等温淬火后使用。35CrMnNiSi这个牌号根本就不存在。

想想 一个大的话题笼罩在一场会议之上，也就是主要议题

A japaness freshman更地道

Cheng, Y., Wang, D., Zhou, P., & Zhang, T. (2017). A survey of model compression and acceleration for deep neural networks. arXiv preprint arXiv:1710.09282. 目前的DNN太庞大，使得计算需要的时间和空间都很大。为了优化这个问题，科学家们提出了压缩模型的各种方法。 牛逼的那些DNN到底有多大？ 2012的CNN（已经算参数少的了），6千万个参数，5卷积层+3全连接。在NVIDIA K40的机器上要训练2-3天 (Krizhevsky et al. , NIPS , 2012) 。人脸识别网络，几亿个参数 (Taigman et al., CVPR , 2014; Lu et al., CoRR , 2016)。纯靠全连接的网络甚至有几十亿个参数 (Dean et al., NIPS , 2012) 。 在移动设备上的使用局限 移动设备的内存，CPU，续航能力都有限，经不起那么大的网络折腾。比如ResNet-50有50个卷积层，仅处理一个图片就需要95M和38亿次的浮点数乘法。经过优化之后可以减少75%的参数，节省50%的计算时间。 *卷：卷积层；全：全连接层 *新：从头训练的模型（train from scratch）；预：预训练模型（pre-trained model） 这些方法各有各的优势，有些可以结合着使用效果更佳，接下来我们就分别对这些方法进行描述。 包括用K-means 聚类减少参数数量[6,7]，把参数压缩到8-bit[8], 16-bit[9]，用霍夫曼编码（Huffman coding）来压缩码表[10]。用二阶偏导来衡量网络参数的重要性[11]。最极端情况干脆二值化参数，也就是参数只有可能是0或1，形成二值网络[12-14]。 缺点 二值网络在简化大型网络的时候损失较大 最早的剪枝算法是偏差权重衰减（Biased Weight Decay） [18]. The Optimal Brain Damage [19] and the Optimal Brain Surgeon [20] methods 根据the Hessian of the loss function来削减链接的数量。 这几种方法需要从头训练模型。 近来开始流行对预训练的模型进行剪枝[21,22]，用哈希码表来储存参数，实现参数共享[23]。也已经有工作把上述的压缩，剪枝，参数贡献融合在一个统一的流程中[24]。 也有一些新兴的工作，将稀疏约束（sparsity constraints）加入到CNN的训练中[25-28]。大大减少了卷积核的数量，甚至是层数。 缺点 剪枝有很多需要手动调整的地方，对于某些应用场景来说太复杂了。 由于全连接层的参数过多，而且f(x,M) = σ(Mx)，这里的σ(·)不是一个线性变化（因为引入了层间的非线性变换，如Relu），是对于每个元素特异的变换。 也就是说本来这个矩阵中每个值之间完全没有关系，我就得把每个值都单独存下来， 计算量也是O(mn)。现在我创建一种关系来约束部分的参数，那我只需要存这个关系就好了，不用存那么多值了。 缺点 人为地进行约束会降低模型地准确率，而且对特定任务找到合适的约束关系本身就很难，现在还没有一种靠谱的理论来定位这个约束关系。 这个方法的核心是对卷积核进行低秩分解，分解之后重要的信息被保留下来，计算的速度也提高了。 对于预训练的模型，可以一层一层的分解卷积核，分解完一层之后这层的参数就固定了，但是因为会有损失，下一层要先继续调参，再分解。 也有人提出基于低秩因子分解从头训练的做法[40]。Canonical Polyadic (CP)[39]，Batch Normalization (BN)[40]这两种方法都可以做分解，效果都很好，但是前者存在有时候找不到一个最优的秩（best rank-K）的情况。具体是什么数学方法没有看。 全连接层是二维的矩阵，同样也可以用这种方法进行降维。 缺点 分解本身需要的计算量很大；只能逐层分解，不能进行全局的优化；为了达到跟原模型相近的效果，需要重新训练的量较大（因为每一层分解之后都要重新调参）。 （这句话也没有引用，但是感觉说的挺有道理在这里存个档。） 这个方法的核心思想其实跟结构矩阵挺像的，只不过这个方法是针对卷积层做的处理。 由于卷积层中有大量的卷积核，如果对他们进行随机的初始化，会发现最后训练出来也有很多的冗余。比如，有一些卷积核，是另一些卷积核的-1倍。这样我们还不如在一开始定义一些卷积核的约束规则，比如直接定义有一些核是另一些的-1倍[45]。（文献中的方程4） 反正定不定义训练出来都是类似的特征，为什么要定义这个约束呢？当然是首先节省了储存卷积核的空间，同时也节省了训练所需要的计算量。 虽然理论上不知道为什么，但是实际训练显示，如果卷积核之间有些关联的话效果甚至会更好。 缺点 这个方法对比较宽的浅层网络（e.g. VGG）效果较好，但是对窄而深的网络（e.g. GoogleNet，Residual Net）效果不好。另外，这种约束定义之后有时候会造成训练结果的不稳定。 要把一个复杂模型进行压缩，有人想到可以通过迁移的方法来把核心信息提取出来，但是之前这个方法只限于在浅层模型上操作[50]。 知识蒸馏这个概念是后来提出来的，它把复杂模型比作老师，目标的压缩模型，即简单模型比作学生，把老师的知识迁移到学生身上，并让学生在处理问题上的表现尽可能去逼近老师，就是知识蒸馏的核心算法。 数学方法的主要步骤就是，把学生网络和老师网络的输出结果看成两个分布，我要让这两个分布尽可能的接近。那么我首先要把输出结果（例如代表A类的输出神经元的值为0.8，B类的0.2，C类的0.2）转化为标准化的分布，并且我想尽可能突出最大值。这里就用到softmax函数，把输出结果映射到（0，1）上的分布，并且让值的和为1。 接下来我要基于当前两个分布的差异，来定义一个损失函数，我的目标就是让这个损失尽可能的小。这里常用的损失函数就是交叉熵损失函数（CrossEntropy Loss）。 一般我们用KL散度的值表示俩概率分布之间的差异，而交叉熵是等于KL散度加上一个常量（信息熵），其公式相比KL散度更容易计算，因此在机器学习中常常使用交叉熵损失函数而不是KL散度。 现有的KD算法中，FitNets[53] 提出如何将宽而浅的模型，压缩成窄而深的模型。这些算法在各大数据集（e.g. MNIST, CIFAR-10, CIFAR-100, SVHN, AFLW) 都得到了有效的验证，学生网络有的时候甚至比老师网络的效果更好。 之后的工作[54-57]进一步优化了这个算法的计算速度，或是寻找一下更宽松的训练条件（e.g. Attention Transfer (AT) [57]），又能达到相近的效果。 缺点 这个方法只能用在用softmax+crossentrophy loss训练的网络上，所以也有一些局限。另一方面，这个方法有时候约束条件太严格了，不一定训练得出来。 基于注意的算法是最近比较新的趋势，它的核心思想是，在训练时，选择性地关注那些和任务相关的网络结构，而不是整个网络，通过这种方式来大幅节省计算量。 Dynamic capacity network (DCN) [59] 的设计包括了两个网络，一个小型网络和一个大型网络，训练数据先经过小网络，确定一下主要激活的是哪些区域，然后再喂给大网络，这时只需计算那些重要区域的权重就可以了。 Sparsely-gated mixture-of-experts Layer (MoE) [60] 的思想也是只计算那些重要的梯度，这个MoE模块是由很多个专家网络构成的，并且另外有一个负责做选择的网络，通过训练它可以对不同的输入数据，选择不同的专家网络的组合来学习。 针对残差网络的压缩，也有几项研究提出随机深度（stochastic depth）的算法[63-65]，相当于对于每个输入数据（batch），随机（或者根据某种规则）抽掉几层网络进行训练。（感觉跟dropout差不多） 还有一些研究对池化层（pooling）进行优化，但是仅仅是提高计算速度，没有压缩空间。 压缩工作要基于一些基准的模型进行改进，或者跟他们的效果进行比较，现有的一些基准模型大概如表格所列。 评估一个压缩工作的效果主要是两方面，空间的压缩程度和计算速度的提升程度。这两方面分别由 压缩率（compression rate） 和 加速率（speedup rate） 。 压缩率是用基准模型的参数量a，除以压缩后模型的参数量a*得到的。（也有用右边这种的） 加速率则是用基准模型需要的训练时间s，除以压缩后模型的训练时间s*得到的。 对于小模型来说，这两个评估指标通常是高度相关的。但是不同的模型这两个指标的关系也会有差异。比如图像处理的CNN，它主要是刚开始几层的大量卷积操作，浮点数计算比较耗时间。但有些DNN（几百层的）很瘦的，主要是全连接层的参数占据了大多数的空间和时间。 总的来说并没有一个统一的准则，而是根据具体的应用场景来的。作者提供了一些参考建议。 目前对于深度网络的压缩算法还处于一个比较初级的阶段，面临很多的困难和挑战。

对于SQL中inner join、outer join和cross join的区别很多人不知道，我也是别人问起，才查找资料看了下，跟自己之前的认识差不多，如果你使用join连表，缺陷的情况下是inner join,另外，开发中使用的left join和right join属于outer join,另外outer join还包括full join.下面我通过图标让大家认识它们的区别。现有两张表，Table A 是左边的表。Table B 是右边的表。其各有四条记录，其中有两条记录name是相同的：1.INNER JOIN 产生的结果是AB的交集SELECT * FROM TableA INNER JOIN TableB ON TableA.name = TableB.name2.LEFT [OUTER] JOIN 产生表A的完全集，而B表中匹配的则有值，没有匹配的则以null值取代。SELECT * FROM TableA LEFT OUTER JOIN TableB ON TableA.name = TableB.name3.RIGHT [OUTER] JOIN 产生表B的完全集，而A表中匹配的则有值，没有匹配的则以null值取代。SELECT * FROM TableA RIGHT OUTER JOIN TableB ON TableA.name = TableB.name图标如left join类似。4.FULL [OUTER] JOIN 产生A和B的并集。对于没有匹配的记录，则会以null做为值。SELECT * FROM TableA FULL OUTER JOIN TableB ON TableA.name = TableB.name 你可以通过is NULL将没有匹配的值找出来：SELECT * FROM TableA FULL OUTER JOIN TableB ON TableA.name = TableB.nameWHERE TableA.id IS null OR TableB.id IS null 5. CROSS JOIN 把表A和表B的数据进行一个N*M的组合，即笛卡尔积。如本例会产生4*4=16条记录，在开发过程中我们肯定是要过滤数据，所以这种很少用。SELECT * FROM TableA CROSS JOIN TableB 相信大家对inner join、outer join和cross join的区别一目了然了。

内连接：只显示主表和从表之间满足连接条件(可以是等值连接也可以是不等值连接)的内容，一个表中的记录在另一个表中找不到满足连接条件记录的情况下，将不显示此条记录外连接：一个表中的记录在另一个表中找不到满足连接条件记录的情况下，也显示此条记录，但在另一个表中的相关列会显示为null。外连接分左(外)连接、右(外)连接和完全(外)连接，左连接返回左表中的所有记录行，如果左表中行在右表中没有匹配记录，则结果中右表对应列为null。右连接正好相反，显示右表中所有记录行，如果在左表中没有匹配记录则左表对应列为null。完全连接会返回左表和右表中的所有记录行。当某行在另一表中没有匹配行，则另一表中的列返回null交叉连接：等于没有连接条件，直接返回两表的笛卡尔积形式

交叉连接（CROSS JOIN）：有两种，显式的和隐式的，不带ON子句，返回的是两表的乘积，也叫笛卡尔积，返回记录的个数应当是a和b表中符合记录的和。显式：select [cols_list] from a cross join b where [condition]隐式：select [cols_list] from a， b where [condition]内连接（INNER JOIN）：有两种，显式的和隐式的，返回连接表中符合连接条件和查询条件的数据行，和我们写普通的sql相同。显式：select [cols_list] from a inner join b on [condition] where [condition]隐式：select [cols_list] from a， b where [condition]外连接（OUTER JOIN）：外连不但返回符合连接和查询条件的数据行，还返回不符合条件的一些行。外连接分三类：左外连接（LEFT OUTER JOIN）、右外连接（RIGHT OUTER JOIN）和全外连接（FULL OUTER JOIN）。三者的共同点是都返回符合连接条件和查询条件（即：内连接）的数据行。不同点如下：左外连接还返回左表中不符合连接条件单符合查询条件的数据行。右外连接还返回右表中不符合连接条件单符合查询条件的数据行。全外连接还返回左表中不符合连接条件单符合查询条件的数据行，并且还返回右表中不符合连接条件单符合查询条件的数据行。全外连接实际是上左外连接和右外连接的数学合集（去掉重复），即“全外=左外 UNION 右外”。说明：左表就是在“（LEFT OUTER JOIN）”关键字左边的表。右表当然就是右边的了。在三种类型的外连接中，OUTER 关键字是可省略的如：select [cols_list] from a left join b on [condition] where [condition]多个表的情况可以用：select [cols_list] from a left join b on [condition] inner join c on [condition] where [condition]

1、left join :左连接，返回左表中所有的记录以及右表中连接字段相等的记录。2、right join :右连接，返回右表中所有的记录以及左表中连接字段相等的记录。3、inner join :内连接，又叫等值连接，只返回两个表中连接字段相等的行。其他：4、full join :外连接，返回两个表中的行：left join + right join5、cross join :结果是笛卡尔积，就是第一个表的行数乘以第二个表的行数。

对于SQL中innerjoin、outerjoin和crossjoin的区别，如果你使用join连表，缺陷的情况下是innerjoin,另外，开发中使用的leftjoin和rightjoin属于outerjoin,另外outerjoin还包括fulljoin.下面我通过图标让大家认识它们的区别。现有两张表，TableA是左边的表。TableB是右边的表。其各有四条记录，其中有两条记录name是相同的：1.INNERJOIN产生的结果是AB的交集SELECT*FROMTableAINNERJOINTableBONTableA.name=TableB.name2.LEFT[OUTER]JOIN产生表A的完全集，而B表中匹配的则有值，没有匹配的则以null值取代。SELECT*FROMTableALEFTOUTERJOINTableBONTableA.name=TableB.name3.RIGHT[OUTER]JOIN产生表B的完全集，而A表中匹配的则有值，没有匹配的则以null值取代。SELECT*FROMTableARIGHTOUTERJOINTableBONTableA.name=TableB.name图标如leftjoin类似。4.FULL[OUTER]JOIN产生A和B的并集。对于没有匹配的记录，则会以null做为值。SELECT*FROMTableAFULLOUTERJOINTableBONTableA.name=TableB.name你可以通过isNULL将没有匹配的值找出来：SELECT*FROMTableAFULLOUTERJOINTableBONTableA.name=TableB.nameWHERETableA.idISnullORTableB.idISnull

举个例子你就能知道了！A表(a1,b1,c1) B表(a2,b2)a1 b1 c1 a2 b201 数学 95 01 张三02 语文 90 02 李四03 英语 80 04 王五select A.*,B.* from A inner join B on(A.a1=B.a2)结果是：a1 b1 c1 a2 b201 数学 95 01 张三02 语文 90 02 李四select A.*,B.* from A left outer join B on(A.a1=B.a2)结果是:a1 b1 c1 a2 b201 数学 95 01 张三02 语文 90 02 李四03 英语 80 NULL NULLselect A.*,B.* from A right outer join B on(A.a1=B.a2)结果是:a1 b1 c1 a2 b201 数学 95 01 张三02 语文 90 02 李四NULL NULL NULL 04 王五select A.*,B.* from A full outer join B on(A.a1=B.a2)结果是:a1 b1 c1 a2 b201 数学 95 01 张三02 语文 90 02 李四03 英语 80 NULL NULLNULL NULL NULL 04 王五

　　left join 是left outer join的简写，left join默认是outer属性的。Inner JoinInner Join 逻辑运算符返回满足第一个（顶端）输入与第二个（底端）输入联接的每一行。这个和用select查询多表是一样的效果，所以很少用到；outer join则会返回每个满足第一个（顶端）输入与第二个（底端）输入的联接的行。它还返回任何在第二个输入中没有匹配行的第一个输入中的行。关键就是后面那句，返回的多一些。所以通常意义上的left join就是left outer join　　left join:是SQL语言中的查询类型，即连接查询。它的全称为左外连接（left outer join),是外连接的一种。　　连接通常可以在select语句的from子句或where子句中建立，其语法格式为：　　select colunm_name1,colunm_name2　　from table_name1　　left join table_name2　　on table_name1.colunmname=table_name2.colunmname　　其中join_table指出参与连接操作的表名，连接可以对同一个表操作，也可以对多表操作，对同一个表操作的连接称为自连接， join_type 为连接类型，可以是left join 或者right join 或者inner join 。　　on (join_condition）用来指连接条件，它由被连接表中的列和比较运算符、逻辑运算符等构成。　　举例说明　　例：　　SELECT bookinfo.bookname, authorinfo.hometown　　FROM bookinfo LEFT JOIN authorinfo　　ON bookinfo.authorname = authorinfo.authorname;

交叉连接（CROSS JOIN）：有两种，显式的和隐式的，不带ON子句，返回的是两表的乘积，也叫笛卡尔积，返回记录的个数应当是a和b表中符合记录的和。显式：select [cols_list] from a cross join b where [condition]隐式：select [cols_list] from a， b where [condition]内连接（INNER JOIN）：有两种，显式的和隐式的，返回连接表中符合连接条件和查询条件的数据行，和我们写普通的sql相同。显式：select [cols_list] from a inner join b on [condition] where [condition]隐式：select [cols_list] from a， b where [condition]外连接（OUTER JOIN）：外连不但返回符合连接和查询条件的数据行，还返回不符合条件的一些行。外连接分三类：左外连接（LEFT OUTER JOIN）、右外连接（RIGHT OUTER JOIN）和全外连接（FULL OUTER JOIN）。三者的共同点是都返回符合连接条件和查询条件（即：内连接）的数据行。不同点如下：左外连接还返回左表中不符合连接条件单符合查询条件的数据行。右外连接还返回右表中不符合连接条件单符合查询条件的数据行。全外连接还返回左表中不符合连接条件单符合查询条件的数据行，并且还返回右表中不符合连接条件单符合查询条件的数据行。全外连接实际是上左外连接和右外连接的数学合集（去掉重复），即“全外=左外 UNION 右外”。说明：左表就是在“（LEFT OUTER JOIN）”关键字左边的表。右表当然就是右边的了。在三种类型的外连接中，OUTER 关键字是可省略的如：select [cols_list] from a left join b on [condition] where [condition]多个表的情况可以用：select [cols_list] from a left join b on [condition] inner join c on [condition] where [condition]

二、内连接（INNER JOIN）x0dx0a x0dx0a内连接（INNER JOIN）：有两种，显式的和隐式的，返回连接表中符合连接条件和查询条件的数据行。（所谓的链接表就是数据库在做查询形成的中间表）。x0dx0a x0dx0a例如：下面的语句3和语句4的结果是相同的。x0dx0ax0dx0a语句3：隐式的内连接，没有INNER JOIN，形成的中间表为两个表的笛卡尔积(如果没有where条件)。x0dx0ax0dx0aSELECT O.ID,O.ORDER_NUMBER,C.ID,C.NAMEFROM CUSTOMERS C,ORDERS O WHERE C.ID=O.CUSTOMER_ID; x0dx0ax0dx0a语句4：显示的内连接，一般称为内连接，有INNER JOIN，形成的中间表为两个表经过ON条件过滤后的笛卡尔积。x0dx0ax0dx0aSELECT O.ID,O.ORDER_NUMBER,C.ID,C.NAMEFROM CUSTOMERS C INNER JOIN ORDERS O ON C.ID=O.CUSTOMER_ID;x0dx0ax0dx0a三、外连接（OUTER JOIN）(必须有ON条件)：x0dx0a外连不但返回符合连接和查询条件的数据行，还返回不符合条件的一些行。x0dx0a外连接分三类：左外连接（LEFT OUTER JOIN）、右外连接（RIGHT OUTER JOIN）和全外连接（FULL OUTER JOIN）。x0dx0a三者的共同点是都返回符合连接条件和查询条件（即：内连接）的数据行。不同点如下：x0dx0a左外连接还返回左表中不符合连接条件单符合查询条件的数据行。x0dx0a右外连接还返回右表中不符合连接条件单符合查询条件的数据行。x0dx0a全外连接还返回左表中不符合连接条件单符合查询条件的数据行，并且还返回右表中不符合连接条件单符合查询条件的数据行。全外连接实际是上左外连接和右外连接的数学合集（去掉重复），即“全外=左外 UNION 右外”。x0dx0a说明：左表就是在“（LEFT OUTER JOIN）”关键字左边的表。右表当然就是右边的了。在三种类型的外连接中，OUTER 关键字是可省略的。x0dx0a下面举例说明：x0dx0a x0dx0a语句5：左外连接（LEFT OUTER JOIN）x0dx0aSELECT O.ID,O.ORDER_NUMBER,O.CUSTOMER_ID,C.ID,C.NAMEFROM ORDERS O LEFT OUTER JOIN CUSTOMERS C ON C.ID=O.CUSTOMER_ID;x0dx0ax0dx0a语句6：右外连接（RIGHT OUTER JOIN）x0dx0aSELECT O.ID,O.ORDER_NUMBER,O.CUSTOMER_ID,C.ID,C.NAMEFROM ORDERS O RIGHT OUTER JOIN CUSTOMERS C ON C.ID=O.CUSTOMER_ID;注意：WHERE条件放在ON后面查询的结果是不一样的。例如：x0dx0ax0dx0a语句7：WHERE条件独立。x0dx0aSELECT O.ID,O.ORDER_NUMBER,O.CUSTOMER_ID,C.ID,C.NAMEFROM ORDERS O LEFT OUTER JOIN CUSTOMERS C ON C.ID=O.CUSTOMER_IDWHERE O.ORDER_NUMBER<>"MIKE_ORDER001";x0dx0ax0dx0a语句8：将语句7中的WHERE条件放到ON后面。x0dx0aSELECT O.ID,O.ORDER_NUMBER,O.CUSTOMER_ID,C.ID,C.NAMEFROM ORDERS O LEFT OUTER JOIN CUSTOMERS C ON C.ID=O.CUSTOMER_ID AND O.ORDER_NUMBER<>"MIKE_ORDER001";x0dx0ax0dx0a从语句7和语句8查询的结果来看，显然是不相同的，语句8显示的结果是难以理解的。因此，推荐在写连接查询的时候，ON后面只跟连接条件，而对中间表限制的条件都写到WHERE子句中。

jion可以说是一种选择，而union是一种并集，推荐你看一篇文章http://apps.hi.baidu.com/share/detail/46618845

1、内连接：innerjoin（典型的连接运算，使用像=或<>之类的比较运算符）。包括相等连接和自然连接。内连接使用比较运算符根据每个表共有的列的值匹配两个表中的行。2、外连接：outerjoin，外连接可以是左向外连接、右向外连接或完整外部连接。在FROM子句中指定外连接时，可以由下列几组关键字中的一组指定：LEFTJOIN或LEFTOUTERJOIN。左向外连接的结果集包括LEFTOUTER子句中指定的左表的所有行，而不仅仅是连接列所匹配的行。如果左表的某行在右表中没有匹配行，则在相关联的结果集行中右表的所有选择列表列均为空值。RIGHTJOIN或RIGHTOUTERJOIN。右向外连接是左向外连接的反向连接。将返回右表的所有行。如果右表的某行在左表中没有匹配行，则将为左表返回空值。FULLJOIN或FULLOUTERJOIN。完整外部连接返回左表和右表中的所有行。当某行在另一个表中没有匹配行时，则另一个表的选择列表列包含空值。如果表之间有匹配行，则整个结果集行包含基表的数据值。3、交叉连接：crossjoin，交叉连接返回左表中的所有行，左表中的每一行与右表中的所有行组合。交叉连接也称作笛卡尔积。

Is she funnyuff1f

没有关系，blingblingquinn和marieelie是两个服装品牌。时尚女装品牌BlingBlingQuinn定位于热情的都市女孩，在经典元素和基本色调上，透过多元的设计与利落的剪裁来重新拼凑当代都市女孩的多样化型格，青春的形象可以是复古的，前卫的，舒适的，性感的，更可以是个性鲜明的一种着装态度。Marieelie主要经营高端时尚女装品牌,我公司法国*时尚女装品牌,我公司设计师、买手集成的形式收集国内外优秀及赋有创造力的品牌,各具有鲜明特色,轻奢类为主。

runningman所有人配合去疯狂的麦咭可以吗！

以下是一些《Running Man》2014年有女嘉宾的期数：1. E186 20140511，嘉宾：朴智妍 (T-ara)、崔秀英（少女时代）、朴春（2NE1）、李国珠。2. E196 20140713，嘉宾：孝敏（Harisu）、朴素丹、金智妍。3. E199 20140810 ，嘉宾：具荷拉（kara）、张佑荣（2PM）、李泰民（Shinee）、姜敏赫（C.N.BLUE）。5. E211 20141207，嘉宾：金宇彬、柳俊烈、李秀妍、金泰妍（少女时代）、郑允浩、金在中、朴有天（JYJ）、刘在石、池石镇、金钟国、宋智孝、李光洙、HAHA、Gary、懵智孝。《Running Man》有女嘉宾的期数很多，可以尝试观看这些期数。

郑斗洪（武术导演），鲁智深（职业摔跤），李元熹（柔道冠军），金基泰（相扑选手），金景淑&K-Tigers（跆拳道明星）刘在石客人：林炯俊，金光奎，杨相国Gary客人：dj pumpkin，英俊（brown eyed soul），张正九，崔京浩，黄崇栽Haha客人：吴忠硕，李正，Sam Hammington，玄周烨，王裴，马亚成，Nuol，San，MINO，沈亨泽，DJ R2，SuperB ，Juvietrain，Linda（rapercussion） ，KingKong ，Zion Luz ，Recto luz，Yeop Yui，朴根植，M.Tyson李光洙客人：金基方，金宥真，林周焕池锡辰客人：许泰熙，池仁辰，高佑丽，金洙勇，尹博，金元孝金钟国客人：郑泰浩，李尚浩，李尚民，金俊贤宋智孝客人：任瑟雍刘在石客人：金淑、朴娜莱、黄光熙、史成雄Gary客人：ducky、WAX、柳贤京、DIGIRIHaha客人：李成美、ZIZO、金昌根、李汉尔、Jinu李光洙客人：Seventeen、金址晏、曺胤瑀、郑东贤池锡辰客人：边胜允、金民教、Muzie、RoyKim、文智爱、N.Flying金钟国客人：GOT7、朴俊亨、Tim、显祐、黄致烈宋智孝客人：无表演嘉宾：GFriend

E254 150705少女时代，欢迎来到游戏世界嘉宾：少女时代黄队：Gary、崔秀英、林允儿蓝队：池锡辰、宋智孝、Sunny绿队：刘在石、李光洙、金孝渊粉红队：金钟国、金泰妍、徐珠贤橘队：Haha、Tiffany、Yuri胜利：林允儿E255 150712初伏特辑嘉宾：尹普美(A Pink)，金雪炫(AOA)，昭宥、尹宝拉(SISTAR)、李国主昭宥女王队（蓝队）：刘在石、金钟国、Gary、宋智孝、昭宥、尹普美宝拉女王队（黄队）：李光洙、Haha、池锡辰、金雪炫、尹宝拉、李国主（胜利）初伏女王：尹宝拉E256 150719来我们家吧嘉宾：2PM、白珍熙蓝队：宋智孝、Jun. K、Nichkhun、玉泽演、张佑荣、李俊昊、黄灿盛（胜利）黄队：白珍熙、刘在石、金钟国、池锡辰、Haha、Gary、李光洙粉丝：池贤宇（池锡辰儿子）E257 150726第四代最强者战嘉宾：申秀智、玄周烨、洪榛浩、金延璟、宋钟国名字复制术：刘在石、金延璟（胜利）记忆消灭术：Gary、池锡辰彩带瞬间移动术：金钟国、申秀智临时退场术：宋智孝、宋钟国灵魂交换术：Haha、玄周烨键盘狙击术：李光洙、洪榛浩8月节目 图片E258 150802探寻身份：警察vs黑手党嘉宾：黄政民、郑万植、张允珠友情出演：李东俊黑手党：金钟国、Gary、Haha、郑万植、张允珠（胜利）警察队：刘在石、池锡辰、宋智孝、李光洙、黄政民E259 150809女演员投票生存嘉宾：李瑶媛、车艺莲蓝队：李瑶媛、Haha、刘在石（胜利）红队：车艺莲、Gary、金钟国橙队：宋智孝、李光洙、池锡辰E260 150816rm五周年特别企划-百万富翁嘉宾：朴俊炯、具俊晔、李在勋、金建模、李汉尔神秘嘉宾：金昌烈、金成秀红队：朴俊炯、具俊晔、李在勋、刘在石、宋智孝、Gary蓝队：金建模、李汉尔、金钟国、李光洙、池锡辰、Haha（胜利）E261 150823rm五周年特别企划第二弹-纳凉特辑嘉宾：无宋智孝、Gary刘在石、HAHA金钟国、李光洙池石镇（单独）E262 150830司机食堂远征队嘉宾：金民教、金秀路、南宝拉、姜声振、朴建炯灰队：刘在石、池锡辰、金民教红队：金钟国、李光洙、金秀路白队：Gary、Haha、南宝拉绿队：宋智孝、姜声振、朴建炯买单者：金钟国9月节目 图片E263 150906美丽青春竞赛嘉宾：李栋旭、朴瑞俊、Yura蓝队：刘在石、池锡辰、宋智孝、Gary、李栋旭红队：金钟国、李光洙、Haha、朴瑞俊、Yura（胜利）E264 150913传说的侦探嘉宾：权相佑、成东日、孙泰英（友情出演）刘在石队：刘在石、李光洙、Haha（胜利）权相佑队：权相佑、池锡辰、Gary、宋智孝成东日队：成东日、金钟国X委托人：孙泰英E265 150920逃脱无人岛嘉宾：圭贤、朴誉恩、John Park、Rap Monster（金南俊）任务：Gary真人秀胜利：全员（除Gary）E266 150927中秋节特辑嘉宾：银赫、林周焕、洪真英白队：刘在石、池锡辰、宋智孝、林周焕、李光洙黑队：金钟国、洪真英、银赫、Haha、Gary小偷队：刘在石、林周焕、李光洙追击队：池锡辰、宋智孝、金钟国、洪真英、银赫、Haha、Gary（除池锡辰外追击队其余成员胜利）10月E267 151004 24小时全员一致嘉宾：无胜利：全员E268 151011高中绯闻竞赛嘉宾：郑京虎、黄锡晶、朴寒星、尹博、Stephanie、金慈仁、朴娜莱、孔升妍、Joy最初搭档：黑队：宋智孝、尹博灰队：朴寒星、刘在石橙队：Stephanie、金钟国黄队：金慈仁、Haha蓝队：Joy、李光洙绿队：朴娜莱、池锡辰白队：孔升妍、Gary最终搭档：黑队：Joy、尹博灰队：朴寒星、刘在石橙队：Stephanie、金钟国黄队：孔升妍、Haha（胜利）蓝队：宋智孝、李光洙绿队：朴娜莱、池锡辰白队：金慈仁、GaryE269 151018回忆遗产竞赛嘉宾：朴宝英、李天熙、金熙元智孝队：刘在石、李天熙、金熙元、宋智孝、Gary（胜利）宝英队：朴宝英、李光洙、金钟国、Haha、池锡辰E270 151025迷宫城嘉宾：无委托人：李光洙胜利：全员（除李光洙）11月节目 图片E271 151101 100 VS 100（上）嘉宾：郑斗洪（武术导演），鲁智深（职业摔跤），李元熹（柔道冠军），金基泰（相扑选手），金景淑&K-Tigers（跆拳道明星）刘在石客人：林炯俊，金光奎，杨相国Gary客人：dj pumpkin，英俊（brown eyed soul），张正九，崔京浩，黄崇栽Haha客人：吴忠硕，李正，Sam Hammington，玄周烨，王裴，马亚成，Nuol，San，MINO，沈亨泽，DJ R2，SuperB，Juvietrain，Linda（rapercussion） ，KingKong，Zion Luz ，Recto luz，Yeop Yui，朴根植，M.Tyson李光洙客人：金基方，金宥真，林周焕池锡辰客人：许泰熙，池仁辰，高佑丽，金洙勇，尹博，金元孝金钟国客人：郑泰浩，李尚浩，李尚民，金俊贤宋智孝客人：任瑟雍E272 151108 100 VS 100（下）嘉宾：刘在石客人：金淑、朴娜莱、黄光熙、史成雄Gary客人：ducky、WAX、柳贤京、DIGIRIHaha客人：李成美、ZIZO、金昌根、李汉尔、Jinu李光洙客人：Seventeen、金址晏、曺胤瑀、郑东贤池锡辰客人：边胜允、金民教、Muzie、RoyKim、文智爱、N.Flying金钟国客人：GOT7、朴俊亨、Tim、显祐、黄致烈宋智孝客人：无表演嘉宾：GFriend英雄队：【1R】总人数：100人【2R】20 VS 20 头接壁球英雄队（胜利）VS RM队减少英雄队人数失败【3R】40 VS 40 纸片冰壶英雄队 VS RM队（胜利）减少英雄队10人【4R】60 VS 60躲避球英雄队 VS RM队（胜利）减少英雄队10人英雄队剩余人数：80人RM队：RM：7人到达的客人：92人回家的客人：7人RM队剩余人数：92人最终任务：英雄队（80人） VS RM队（92人）撕名牌规则：共3轮（3局2胜制）每一轮出战者和人数各队随意结果：英雄队2胜1败最终胜利E273 151115寻笑人特辑嘉宾：寻笑人节目全部谐星RM（胜利） VS 寻笑人E274 151122露营特辑嘉宾：金光奎、闵京勋、朴秀洪、Neil、赵正治E275 151129对手顶级比赛嘉宾：林耀焕、洪榛浩、Hani、金希澈、利特特别主持：全勇俊、李秉镇刘在石队：刘在石、林耀焕、宋智孝、希澈、Gary、池锡辰（胜利）金钟国队：金钟国、洪榛浩、Hani、利特、Haha、李光洙12月E276 151206 Lost in 首尔嘉宾：无被困者 ：Gary在石队：刘在石、Haha、宋智孝钟国队：金钟国、池锡辰、李光洙（无胜利）密室密码: 7012(7个人永远在一起)Lost in 首尔E277 151213丧尸战争嘉宾：无全员胜出丧尸战争E278 151220圣诞特辑 running man vs x-man（上）嘉宾：Bobby (iKon成员)、B.I (iKon成员)、金智敏、金雪炫、蔡妍、李智贤、金正男、Stephanie、Andy、李宗秀金队：金钟国、蔡妍、李智贤、金正男、Stephanie、Andy、李宗秀、HAHA池队：池石镇、Bobby(iKon成员)、B.I (iKon成员)、金智敏、金雪炫、Gary、宋智孝、李光洙MC：刘在石圣诞特辑E279 151227 圣诞特辑 running man vs x-man（下）嘉宾：Bobby (iKon成员)、B.I (iKon成员)、金智敏、金雪炫、蔡妍、李智贤、金正男、Stephanie、Andy、李宗秀金钟国、Stephanie池石镇、Gary蔡妍、李宗秀金正男、HAHAB.I、宋智孝Bobby、金智敏金雪炫、李光洙Andy、李智贤MC：刘在石胜利：金钟国（X-man）、李光洙（R-man）

没有关系，blingblingquinn和marieelie是两个服装品牌。时尚女装品牌BlingBlingQuinn定位于热情的都市女孩，在经典元素和基本色调上，透过多元的设计与利落的剪裁来重新拼凑当代都市女孩的多样化型格，青春的形象可以是复古的，前卫的，舒适的，性感的，更可以是个性鲜明的一种着装态度。Marieelie主要经营高端时尚女装品牌,我公司法国*时尚女装品牌,我公司设计师、买手集成的形式收集国内外优秀及赋有创造力的品牌,各具有鲜明特色,轻奢类为主。

Order dinner 就是点菜，点餐的意思，早午晚餐都可以的。

看样子应该是衣服的品牌，现在国产的品牌基本上都带着英文歌翻译，搞不清楚是国产品牌还是外国的品牌，只有衣服质量好，款式很快，最重要价格优惠，肯定有市场。

KICKONN商标总申请量1件其中已成功注册0件，有0件正在申请中，无效注册0件，0件在售中。经八戒知识产权统计，KICKONN还可以注册以下商标分类：第1类（化学制剂、肥料）第2类（颜料油漆、染料、防腐制品）第3类（日化用品、洗护、香料）第4类（能源、燃料、油脂）第5类（药品、卫生用品、营养品）第6类（金属制品、金属建材、金属材料）第7类（机械设备、马达、传动）第8类（手动器具（小型）、餐具、冷兵器）第9类（科学仪器、电子产品、安防设备）第10类（医疗器械、医疗用品、成人用品）第11类（照明洁具、冷热设备、消毒净化）第12类（运输工具、运载工具零部件）第13类（军火、烟火、个人防护喷雾）第14类（珠宝、贵金属、钟表）第15类（乐器、乐器辅助用品及配件）第16类（纸品、办公用品、文具教具）第17类（橡胶制品、绝缘隔热隔音材料）第18类（箱包、皮革皮具、伞具）第19类（非金属建筑材料）第20类（家具、家具部件、软垫）第21类（厨房器具、家用器皿、洗护用具）第22类（绳缆、遮蓬、袋子）第23类（纱、线、丝）第24类（纺织品、床上用品、毛巾）第26类（饰品、假发、纽扣拉链）第27类（地毯、席垫、墙纸）第28类（玩具、体育健身器材、钓具）第29类（熟食、肉蛋奶、食用油）第30类（面点、调味品、饮品）第31类（生鲜、动植物、饲料种子）第32类（啤酒、不含酒精的饮料）第33类（酒、含酒精饮料）第34类（烟草、烟具）第35类（广告、商业管理、市场营销）第36类（金融事务、不动产管理、典当担保）第37类（建筑、室内装修、维修维护）第38类（电信、通讯服务）第39类（运输仓储、能源分配、旅行服务）第40类（材料加工、印刷、污物处理）第41类（教育培训、文体活动、娱乐服务）第42类（研发质控、IT服务、建筑咨询）第43类（餐饮住宿、养老托儿、动物食宿）第44类（医疗、美容、园艺）第45类（安保法律、婚礼家政、社会服务）

Matlab能导出onnx格式。首先打开电脑上的“matlab”软件，此处以下图中的代码为例，绘制出一个三维图像。meshgrid函数用于生成网格点。可以使用自己喜欢的例子来制作动画。在matlab工作输入：% 11是你保存时的文件名，需要加单引号，否则打不开。特别注意最好将这个文件复制到matlab工作文件夹。如果你不知道是哪个文件夹，可以看看matlab左边的窗口，或者按下组合键Ctrl+O，或者打开菜单栏上面的Home->open。优势特点：(1) 高效的数值计算及符号计算功能，能使用户从繁杂的数学运算分析中解脱出来。(2) 具有完备的图形处理功能，实现计算结果和编程的可视化。(3) 友好的用户界面及接近数学表达式的自然化语言，使学者易于学习和掌握。(4) 功能丰富的应用工具箱(如信号处理工具箱、通信工具箱等) ，为用户提供了大量方便实用的处理工具。

1.onnx（Open Neural Network Exchange）是一种针对机器学习所设计的开放式的文件格式，用于存储训练好的模型。 用于在各种深度学习训练和推理框架转换的一个中间表示格式。 它定义了一组和环境，平台均无关的标准格式，来增强各种AI模型的可交互性，开放性较强。 2.在对推理速度要求不高的情况下，使用opencv自带的dnn模块可快速部署应用和解决方案， 且能做到轻量化部署，减少对第三方平台的依赖。 它包含两个预处理函数（blobFromImage、blobFromImages），为通过预训练深度学习模型进行分类，做好准备。 这两个函数执行减均值、缩放和通道交换（可选），但是并不是所有的深度学习架构执行减均值和缩放， 在预处理你的图像之前，一定要读你所使用网络的相关文献。 cv2.dnn.blobFromImage函数返回的blob是我们输入图像进行随意从中心裁剪，减均值、缩放和通道交换的结果。 cv2.dnn.blobFromImages和cv2.dnn.blobFromImage不同在于，前者接受多张图像，后者接受一张图像。 多张图像使用cv2.dnn.blobFromImages有更少的函数调用开销，能够更快批处理图像或帧。

Open Neural Network Exchange（ONNX，开放神经网络交换）格式，是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移。 假设一个场景：现在某组织因为主要开发用TensorFlow为基础的框架，现在有一个深度算法，需要将其部署在移动设备上，以观测变现。传统地我们需要用caffe2重新将模型写好，然后再训练参数；试想下这将是一个多么耗时耗力的过程。 此时，ONNX便应运而生，Caffe2，PyTorch，Microsoft Cognitive Toolkit，Apache MXNet等主流框架都对ONNX有着不同程度的支持。这就便于了我们的算法及模型在不同的框架之间的迁移。 开放式神经网络交换（ONNX）是迈向开放式生态系统的第一步，它使AI开发人员能够随着项目的发展选择合适的工具。 ONNX为AI模型提供开源格式。 它定义了可扩展的计算图模型，以及内置运算符和标准数据类型的定义。 最初的ONNX专注于推理（评估）所需的功能。 ONNX解释计算图的可移植，它使用graph的序列化格式。 它不一定是框架选择在内部使用和操作计算的形式。 例如，如果在优化过程中操作更有效，则实现可以在存储器中以不同方式表示模型。 ONNX是一个开放式规范，由以下组件组成： 可扩展计算图模型的定义 标准数据类型的定义 内置运算符的定义

pytorch经onnx转tensorrt初体验 上 、 下 中学习了tensorrt如何调用onnx模型，但其中遇到的问题是tensorrt7没有办法直接输入动态batchsize的数据，当batchsize>1时只有第一个sample的结果是正确的，而其后的samples的输出都为0. 本文主要是探索如何进行批量化的处理。 这是 TensorRT/samples/sampleDynamicReshape/sampleDynamicReshape.cpp 中给出的一个解决方案，其主要思路是在原有的INetwork 之前再创建一个用于input resize的Network， 该Network的主要功能是对可变的输入进行resize，以及设置配置文件和参数绑定。 其中，最主要的部分如下： 其中配置器 profile 指定了输入的最小尺寸、最优尺寸和最大尺寸。那么真实输入时，处在最小和最大尺寸中都行。 参考： # TensorRT 7 ONNX models with variable batch size 测试 trtexec -h 发现再次 trtexec -h 即正确显示帮助信息。其中给出了 model options、build options、 inference options和system options等。 a. 从固定尺寸的onnx转cudaEngine ··· trtexec --explicitBatch --onnx=./resnet18.onnx --saveEngine=resnet18.engine ··· b.从可变尺寸的onnx转cudaEngine，需要指定profile。 c. 接下来看一下python API的调用 主函数： 下表给出的是V100上resnet18的前向推断时间(ms) 总结一下，dynamic batchsize的处理流程：

TensorRT repo 参考 csdn 在 TensorRT/samples/python/ 下参考 costom 编写方式和cmake，docker环境里make生成 .so, 注意插件名字和trt用到的组件名应该一致 python 加载插件 如果用 trtexec ，需要 vim .bashrc 安装依赖 参考

输入： 输出：

I will buy a dig house onn day意思是：我将在一天内买一所房子。

ONNX全称Open Neural Network Exchange，是微软设计的一个开放式深度学习神经网络模型的格式。旨在通过一个统一的模型格式标准，建立一个强大的人工智能生态。 深度神经网络的实现是通过数据流图实现的，数据（张量等）从输入，流过一个个集选节点，最终在输出结点得到推理结果。不同的框架实现数据流图的的方式不尽相同，有的使用静态图，有的在运行的过程中动态创建。但是不管哪种方式，最终都会得到一个神经网络模型的结构图以及权重。通常，神经网络模型的结构、权重等信息不会一直在内存里，通常需要将它们保存到文件中，用于部署、转换等。而每一种框架都有他们自己的一套专有的模型表示方法，拥有自己的一套标准去操作、运行他们自己的模型。由于AI 研究正在迅猛发展当中，每种框架都有自己的侧重点，比如有的框架特别适合于做研究，能够快速的搭建验证模型；而有的框架则最特定硬件做了大量性能优化，特别适合生产部署。 这时候，一个通用的模型格式标准应运而生，它就是ONNX。有了这样一个统一的模型格式标准，你就可以使用能够快速的框架去验证你的模型，然后将模型导出到ONNX格式，再用有特殊优化的推理引擎进行推理或者转换到可以在移动端进行推理的特殊格式。 ONNX还有另一个变种，ONNX-ML，它额外增加了一些传统的标准机器学习操作。 ONNX是一个开放的标准，这个标准主要有以下三部分组成： 版本号有两种表示方法：简单数字表示和语义表示，用8个字节存储版本信息。 简单数字表示全部字节用于表示一个数，表现形式为XXX，如 0x0000000000000001 表示数字1；语义表示则将这八个字节分开，最高位两个字节表示主版本号，次高位两个字节表示此版本好，剩下四个字节表示补丁、编译等版本号,最终的表现形式为MAJOR.MINOR.PATCH，例如 0x0001000200000003 表示主版本号为1，此版本号为2，补丁版本号等为3。两种表示方法的区分方法是查看最高四个字节内容，如果最高四个字节为0，则使用的是简单数字表示；如果最高四个字节不为零，则使用的是语义表示。例如 0x0000000000000001 最高四个字节为0，所以表示这个版本号是用简单数字表示；而 0x000000010000000 最高四个字节不为0，则表示这是语义版本号。 值得注意的是，ONNX标准中规定，IR和OP的版本号必须用简单数字来表示，版本数值单调递增，而对于模型版本，并未作出规定，可以随意二选一。 处于模型结构顶层的是一个被称为Model的结构，它的主要目的是将一个包含模型所有执行元素的图和它的元数据关联起来。元数据可以在模型被读取的时候告诉读取方一些重要信息，比如版本、执行该模型所需要的操作集（Operators Set）等信息，读取方根据这些信息决定下一步是继续执行该模型还是选择报错等操作。另外，有些工具，例如模型查看工具等可以根据元数据告诉人们模型的信息和模型的作用等。Model的组成结构如下： 每个Model都必须指定它所属机构的域名，使用类似Java包结构的反向域名表示。此外，Model的 metadata_props 字段可以用于定义其他额外的元数据信息，例如下表定义了一些额外的元数据属性： 每个模型必须明确的指出它所以来的操作集，操作集定义了可用的操作以及他们的版本。模型通过他们的域定义了需要导入的操作集，如果没有特别指定，模型将默认导入默认的ONNX操作集。 操作集的属性如下： 图（Graph）中的任何一个操作(Operator)都必须是在模型导入了的操作集中有明确声明了的。 操作的属性如下： 图用于表示一个计算过程，它由元数据字段、模型参数以及计算结点三部分组成。计算结点按照一定拓扑结构组成了一个有向无环图，每个结点表示一个操作。每个结点可以有0到多个输入以及至少一个输出。 图的属性如下： 计算节点由结点名字、这个结点的操作的名字、输入的名字、输出的名字以及一系列属性组成。结点的输入输出和操作的输入输出通过位置相关联，例如第一个输入是上一个结点的输出，第二个输入是权重，第三个输入是偏置等，结点属性名字和操作属性通过名字相关联。 结点属性如下： ONNX有两个变种：ONNX和ONNX-ML。ONNX只识别张量，ONNX-ML除了张量还能识别序列以及字典。 总的来说，ONNX就是定义了一套标准，这套标准使得不同机器学习框架的数据流图有了一个统一的表示。 它定义了如何将一个内存的模型序列化到磁盘，也定义了如何去读取这个序列化的模型进入内存。 [1] Open Neural Network Exchange - ONNX

首先需要安装onnx和onnx-tf这两个包，用pip安装就行

相对与ONNX模型，Pytorch模型经常较为松散，API的限制也往往较为宽松。因此，在导出的过程中，不可避免地会遇到导出失败的问题。可以预见到，这块API可能在不久的将来会发生变化。 ONNX导出的基本操作比较简单。官网上的例子是： 可惜真要这么容易就好了 支持Batching需要制定Dynamic Axes，即可变的维度。 案例: keep_initializers_as_inputs 这个参数是False的情况下，在Caffe2中报错：IndexError: _Map_base::at. 参考 https://github.com/onnx/onnx/issues/2458 问题比较复杂。貌似tensorflow也有类似问题。导出时添加参数do_constant_folding=True或许可以解决。 参考 https://github.com/NVIDIA/triton-inference-server/issues/1080 定长list会导出为一个tuple Pytorch 1.4，ONNX 9不支持变长List的导出。之后的Pytorch版本有支持，需要更高版本的ONNX Pytorch中，Expand未改动的dim可以指定为-1，导出到ONNX中时，需要手动指定每个dim的值。如： Pytorch中，Squeeze一个不为1维的dim不会有任何效果。ONNX会报错

本文记录基于mxnet训练得到的resnet50模型在转为onnx格式部署时发生的两个错误及解决办法 os: ubuntu 16.04 Mxnet : 1.6.0 onnx: 1.6.0 cuda: 10.2 cudnn: 8.0 resnet50中使用的batchnorm层在转换至onnx时报错不支持属性spatial mxnet源码mxnet/contrib/onnx/mx2onnx/_op_translation.py 359行 注释掉spatial参数 通过netron.app 查看网络结构, 看到第一个batchnorm层(bn_data)的参数bn_data_gamma异常: 在onnx模型中手动修改bn_data层的gamma参数为1.0

用优化大师优化一下就可以了

块快把我给忽悠了？！

歌曲名:The Tower歌手:Vienna Teng专辑:Dreaming Through The Noisethe towervienna tengthe one who survives by making the livesof others worthwhileshe"s coming apartright before my eyesthe one who depends on the services she rendersto those who come knockingshe"s seeing too clearly what she can"t bewhat understanding defiesshe says I need not to needor else a love with intuitionsomeone who reaches out to my weakness and won"t let goI need not to needI"ve always been the towerbut now I feel like I"m the flowers trying to bloom in snowshe turns out the light anticipating night falling tenderly around herand watches the duskthe words won"t comeshe carries the act so convincingly the fact issometimes she believes itthat she can be happy the way things arebe happy with the things she"s doneshe says I need not to needor else a love with intuitionsomeone who reaches out to my weakness and won"t let goI need not to needI"ve always been the towerbut now I feel like I"m the flowers trying to bloom in snowreach out hold backwhere is safetyreach out and hold backwhere is the one who can change mewhere is the onethe one a... a....a...reach out hold backwhere is safetyreach outand hold backwhere is the one who can save mewhere is the onethe one a...a...a...I need not to needor else a love with intuitionsomeone who reaches out to my weakness and won"t let goI need not to needI"ve always been the towerbut now I feel like I"m the flowers trying to bloom in snowI feel I like I"m the flowers trying to bloom in snowI dingerous I the power find down the floorhttp://music.baidu.com/song/17702825

平板电脑，没有设计连接电视的接口，所以不能连接电视当显示器用。 只能下载后，考到U盘，再插到电视上看，格式必须符合电视的要求。 .

onnx-simplifier卸载不了，具体解决办法如下：以电脑为例，有的软件卸载不了的解决方法是：1、注消或重启电脑，然后再试着删除。2、进入“安全模式删除”。3、在纯DOS命令行下使用DEL、DELTREE和RD命令将其删除。4、如果是文件夹中有比较多的子目录或文件而导致无法删除，可先删除该文件夹中的子目录和文件，再删除文件夹。5、如果是在“添加或删除程序”选项卸载一个软件后，发现软件的安装目录仍旧存在，里边残留着几个文件，直接删除时，系统却提示文件正在使用无法删除。6、此时可首先打开“命令提示符”窗口，按“Ctrl+Alt+Del”组合键打开任务管理器，在进程中将“explorer.exe”进程关闭掉（在这之前最好将所有程序关闭掉），切换到命令提示符窗口，使用DOS命令进入无法删除的文件夹，输入“Del文件夹名”就可以将该文件夹删除了。删除完成后，在任务管理器中选择“文件、新任务”，输入“explorer.exe”重新建立系统的外壳。

换电池

k看说明书什么都知道了，还用问多麻烦，怎么充都没问题的，我从来不在乎这些细节，难得你能用到几年去啊，你想用几年他还不给你用呢

根据护照的排列顺序，PUI TECK ONN中的**ONn**是姓，而PUI TECK是名字。

oNNm6平板电脑配套的键盘是一种外接键盘，可以通过蓝牙连接到平板电脑上使用，使用方法如下：开启平板电脑和键盘电源，确保两者都已充电并开启蓝牙。在平板电脑的设置中打开蓝牙，搜索周围的蓝牙设备，找到键盘设备并进行配对连接。连接成功后，打开文本编辑器或其他需要输入的应用程序，在键盘上输入字符即可在应用程序中显示输入的字符。oNNm6平板电脑配套键盘有触控板，可用于替代平板电脑的触摸屏，使用方法类似于笔记本电脑的触摸板，可以进行滚动、拖拽等操作。如果键盘电量不足，需要充电，可以使用充电线连接到电源进行充电。注意事项：避免在潮湿或者有水的地方使用键盘。长时间使用键盘应该注意手腕和颈部的伸展和放松，避免长时间的紧张和不良姿势。如果键盘长时间不用，应该关闭蓝牙连接和电源开关，以免浪费电量。

发动汽车时，先打开电门。稍停一下，约三秒左右吧，再拧到STAR上来启动汽车。汽车上的on代表开，将钥匙旋转到on挡的位置，即可给汽车通电，如果继续转到start的位置，即可启动发动机。转到on挡之后，汽车上的所有用电设备都是可以使用的。在汽车的点火开关系统中有四个挡位，on就是其中的一个，这个开关在开启汽车后，车辆在行驶过程中保持在这个地方，叫做汽车的准备启动功能。

ONN的投影机使用感觉是一般。硬件指标还行，该有的功能都有，然而底部没有支架安装的接口，只能用垫高用，或者天花上倒挂，这机器有画面倒挂功能，然而没有上支架的接口，所以是不可能倒吊。内置喇叭没测试， 但投影机的风扇声音是真的不小。机子的体积是一台正常投影机的尺寸，不似近几年的微型，小型智能投影机轻巧。

onn投影仪是正品牌子投影仪，又称投影机，是一种可以将图像或视频投射到幕布上的设备，可以通过不同的接口同计算机、VCD、DVD、BD、游戏机、DV等相连接播放相应的视频信号。投影仪广泛应用于家庭、办公室、学校和娱乐场所，根据工作方式不同，有CRT，LCD，DLP等不同类型。

onn的意思是：欧恩；网络；欧恩品牌；北京区。ONN即欧恩，是丹麦著名品牌，它是一家集研发，生产，销售，服务为一体的高新技术企业，秉持创新，时尚，优质，诚信的核心理念，公司迅速成长为中国数字移动行业的知名企业。旗下产品涵盖数码影音，汽车电子，智能手机，平板电脑等系列产品。欧恩的形象终端和零售网点已覆盖全国200多个城市，在全国三十个省（市），自治区，直辖市建立了完善的营销体系和服务网点，更加全面专业的为各地用户提供优质资讯产品及服务。展望未来，欧恩将以强大的技术支撑为依托，深化改善品牌服务体系，以提升用户数字移动生活品质为己任，构建“数码影音娱乐，互联移动终端”更广阔的未来。品牌简介：欧恩是一家集研发，生产，销售，服务为一体的高新技术企业，秉持创新，时尚，优质，诚信的核心理念，公司迅速成长为中国数字移动行业的知名企业。旗下产品涵盖数码影音，汽车电子，智能手机，平板电脑等系列产品。近年来，欧恩平板电脑市场销量处于业界领先地位，并引领中国平板电脑行业迅速发展，成为中国第一个大规模占领国际市场的平板电脑品牌。成为“数字移动生活的引领者”，是欧恩人坚持不懈的奋斗目标。欧恩产品远销欧洲，北美，南美，等数十个国家和地区。欧恩研发实力雄厚，斥巨资建立了产品研发中心，专业研发团队600余人，获得了德国IF设计大奖，并通过CE认证，GS认证等多个行业国际知名认证。欧恩现拥有标准化厂房近5万平米，员工3000余人。

I have three tennis rackets and a basketball .

单因素方差分析方差分析前提：不同水平下，各总体均值服从方差相同的正态分布。方差齐性检验：采用方差同质性检验方法（Homogeneity of variance）在spss中打开你要处理的数据，在菜单栏上执行：analyse-compare means--one-way anova，打开单因素方差分析对话框 在这个对话框中，将因变量放到dependent list中，将自变量放到factor中，点击post hoc，选择dunnet t检验，返回确认ok统计专业研究生工作室原创，请勿复杂粘贴

SPLAT的牙膏还不错，但是价格高，而PANNAKISS也是对标SPLAT，做品质更好性价比更高的牙膏，应该是竞争对手

俄罗斯老品牌，已经有四十多年了，网上看到是圣彼得堡医科大学博士口腔专家普娜托利耶芙娜创立的

没有吧刷起来没感觉到

看了成分表，没看到PANNAKISS牙膏含氟

听过好像是俄罗斯牙膏老品牌，有四十多年了

两者都是原装进口，前者性价比高，但从效果来看，都差不多。

买的益生菌，不辣嘴

日常用着PANNAKISS牙膏好像还行吧，不过还是看个人的使用感觉

我用的是抗过敏，不知道益生菌怎么样

美白的话估计要坚持用上一段时间的吧，不过挺适合敏感牙的

PANNAKISS牙膏有成人和儿童专用款，每个年龄都适合使用

我一直用的都是PANNAKISS，早晚用，效果好像还不错

绵密，口感好像还可以，不辣口

清洁效果好像还可以，护龈的话需要坚持用了才知道吧

用着PANNAKISS烟酰胺牙膏我感觉好像还不错

因人而异吧。口臭有可能是肠胃或者蛀牙引起的

挺多人在分享，听说好像还可以

应该可以吧。如果很痛的话，最好去牙科看看

龋齿建议要去医院治疗，这牙膏只是辅助作用，防龋好像还可以吧