游戏运行时使用内存来存储数据，当这些数据不再被使用时，存储这些数据的内存被释放以便于之后这些内存可以被复用。垃圾（Garbage ）是存储无用数据的内存的术语，GC(Garbage Collection 垃圾回收)是使这些内存可以再次使用的过程。

R-B Tree，全称是Red-Black Tree，又称为“红黑树”，它一种特殊的二叉查找树。红黑树的每个节点上都有存储位表示节点的颜色，可以是红(Red)或黑(Black)。

如果您不确定物联网开发预算中应该包含什么，那么请继续阅读。本文将介绍实施物联网产品理念所需的所有关键成本。只有在了解了创建物联网系统所需的资源后，您才可以合理地计算投资，削减开发成本并避免不必要的开销。

阅读《深度学习的数学》书中第一部分提到了关于 神经元、神经单元、激活函数以及一个非常具有代表性的 Sigmoid 函数，本博客的目的既是对此做一个总结

并行计算或称平行计算是相对于串行计算来说的。并行计算（Parallel Computing）是指同时使用多种计算资源解决计算问题的过程。为执行并行计算，计算资源应包括一台配有多处理机（并行处理）的计算机、一个与网络相连的计算机专有编号，或者两者结合使用。并行计算的主要目的是快速解决大型且复杂的计算问题。

机器学习分为：监督学习，无监督学习，半监督学习（也可以用hinton所说的强化学习）等。本文主要理解一下监督学习和无监督学习。

深度学习常见专业名词：输入层；输出层；隐含层；卷积；池化；激活函数；Dropout......

判别模型和生成模型总结：判别方法：由数据直接学习决策函数 Y = f（X），或者由条件分布概率 P（Y|X）作为预测模型，即判别模型。生成方法：由数据学习联合概率密度分布函数 P（X,Y）,然后求出条件概率分布P(Y|X)作为预测的模型，即生成模型。由生成模型可以得到判别模型，但由判别模型得不到生成模型。

Google刚刚在Android开发人员网站上发布了Android 11版本的开发人员预览版，主要供开发人员测试该新版本的功能。在新版本中，Google发布了一些新功能和改进。随着开发人员版本的不断变化，将发布更多新功能和改进。最终，Google将在开发者大会上正式宣布该版本，并于八月左右发布正式版本，届时一些旗舰Android设备将率先获得更新。

物联网一直是最近讨论最多的技术。从我们如何沟通到我们如何打开房门，一切都被这一不可思议的运动所影响。随着全球技术的进步，这些趋势预计将持续到2020年。让我们来看一下新兴的物联网趋势，以及2020年最重要的变化。

Error = Bias + Variance ，Error反映的是整个模型的准确度， Bias反映的是模型在样本上的输出与真实值之间的误差，即模型本身的精准度， Variance反映的是模型每一次输出结果与模型输出期望之间的误差，即模型的稳定性。

A-Series代表了基于分块延迟渲染技术的PowerVR架构的最新进展，其中包括很多方案的改进，使其比上一代的PowerVR设计要快2.5倍。

为了给即将到来的 5G 网络提供完善的支持，谷歌已经在 Android R（又名 Android 11）开发者预览版本中做好了支持五种不同的 5G 连接状态的准备。随着 5G 时代的到来，Android 体验亦有望迎来各种激动人心的扩展，比如“动态计量”和新近更新的带宽预估 API 。

大多数时候，项目并不需要一直保持最高帧率渲染，尤其是在移动平台上。过去，Unity开发者们常使用Application targetFrameRate或Vsync（垂直同步）来限制引擎的渲染速度。这种方法在影响渲染的同时，还会对其他部分的运行速率造成一些影响。而新的按需渲染API允许开发者将渲染频率从整体中独立出来调整。

随着智能家居市场的持续增长，人们不禁要问未来的智能家居会是什么样子。以下是我们对未来十年智能家居的展望。

贝叶斯个性化排序(Bayesian Personalized Ranking, 以下简称BPR)，它也用到了矩阵分解，但是和funkSVD家族却有很多不同之处。本文我们来详细讨论。

大家有没有发现这样一种现象：在很多数据集中，每个样本内部，都或多或少地包含着一些与标签无关的信息；这些信息的话，其实就是冗余的。然后，即使在同一个样本集中，各个样本的噪声含量也往往是不同的。那么，降噪算法中常用的软阈值函数，能不能嵌入到深度残差网络中呢？

VR（Virtual Reality）是指利用计算机技术生成一种虚拟环境，用户借助特殊的输入/输出设备，与虚拟世界中的物体进行自然的交互，通过视觉、听觉和触觉等获得与真实世界相同的感受。

将神经网络应用于大图像时，输入可能有上百万个维度，如果输入层和隐含层进行“全连接”，需要训练的参数将会非常多。如果构建一个“部分联通”网络，每个隐含单元仅仅只能连接输入单元的一部分，参数数量会显著下降。卷积神经网络就是基于这个原理而构建的。

尽管在理论上实现现代GPU的方法是无限的,但真正有效的方法是切实的了解问题并着手将方案变为现实。制造现代高性能半导体器件以及试图加速当前可编程光栅化技术所面临的问题揭示了GPU硬件行业发展的未来趋势。