首先大家看看下面這個3 x 3的矩陣，這個矩陣被分割成4部分。為什麼分割成4部分，在後面詳細說明。
首先給大家舉個簡單的例子：現設點p0（x0， y0）進行平移後，移到p（x，y），其中x方向的平移量為△x，y方向的平移量為△y，那麼，點p（x，y）的座標為：
x = x0 + △x
y = y0 + △y
採用矩陣表達上述如下：
上述也類似與影象的平移，通過上述矩陣我們發現，只需要修改矩陣右上角的2個元素就可以了。
我們回頭看上述矩陣的劃分：
為了驗證上面的功能劃分，我們舉個具體的例子：現設點p0（x0 ，y0）進行平移後，移到p（x，y），其中x放大a倍，y放大b倍，
矩陣就是：
影象的旋轉稍微複雜：現設點p0（x0， y0）旋轉θ角後的對有點為p（x， y）。通過使用向量，我們得到如下：
x0 = r cosα
y0 = r sinα
x = r cos(α-θ) = x0 cosθ+ y0 sinθ
y = r sia(α-θ) = -x0 sinθ+y0 cosθ
於是我們得到矩陣：
如果影象圍繞著某個點(a ，b)旋轉呢？則先要將座標平移到該點，再進行旋轉，然後將旋轉後的影象平移回到原來的座標原點。
RabbitMQ RabbitMQ的一些基礎概念
工作中使用的是rabbitmq，需要對其進行熟悉。使用之前，弄清楚它是什麼東西，解決什麼問題。開發中，有一些任務並無須實時執行，比如 如上，儲存日誌表 傳送郵件等任務的實時性並不強，在系統繁忙時有可能阻塞，堵塞容易導致任務失敗。如果我們把它們放入佇列中，輪候執行，減低耦合的同時，是不是也緩解了系統壓...
深度學習學習 pytorch的一些必備的基礎概念
pytorch必須掌握的的4種學習率衰減策略 一般來說，我們希望在訓練初期學習率大一些，使得網路收斂迅速，在訓練後期學習率小一些，使得網路更好的收斂到最優解。下圖展示了隨著迭代的進行動態調整學習率的4種策略曲線 torch 解析 為什麼要使用optimizer.zero grad pytorch m...
Android的一些詞彙
1 override override是偽 表示重寫 當然不寫也可以 不過寫上有如下好處 1 可以當注釋用,方便閱讀 2 編譯器可以給你驗證 override下面的方法名是否是你父類中所有的,如果沒有則報錯 比如你如果沒寫 override而你下面的方法名又寫錯了,這時你的編譯器是可以通過的 它以為...