由於opengl的版本特別多，而且opengl 1.x和opengl2.x及以後的版本差別有特別大，剛開始自學的時候難免會走一些誤區，發現學的並不是自己所用的。
前者是固定管線，渲染流程的相關概念都比較老，對渲染的流程做了「封裝」，於此帶來的好處是簡單，容易上手，不好的地方也是顯而易見，想要修改渲染流程的東西，就變得異想天開了。
隨著發展，很多效果使用固定管線實現不了，為了更靈活，實現更多特效，渲染流程做了部分開放，即後者的可程式設計管線。往往靈活性和使用的難易是相反的，給你更大的靈活性，你要考慮的東西就要越多了。所有你發現使用後者簡單繪製乙個三角形，就要好多**，vertex shader，fragment shader等。opengl es2.0版本是其中針對於移動端非常成熟的框架。
推薦系統學習（二）
擴充套件閱讀 這篇 是07年的，是傳統的方法中比較經典的 了.他論述了現在推薦的問題,評分矩陣的稀疏性，以及資料量的逐漸增加，最好的總結請看pmf，這位博主總結的比較全面，該博文從問題定義，以及問題解決思路都進行了很好地說明。了解 中公式的解釋請參考原理，中詳細的推導過程可以參考pmf推導。這些總結...
推薦系統學習筆記
完整的資訊流推薦系統 到業務前台的推薦系統的召回 粗排以及精排等推薦環節，召回層面，目前已實現大規模fm統一召回模型，正逐步替代傳統的多路召回模型，並在各項指標取得了非常明顯的業務效果。召回階段，採用模型統一召回代替傳統的多路召回是個比較明顯的趨勢。四個環節分別是 召回 粗排 精排和重排。模型召回 ...
推薦系統學習筆記 推薦系統現存問題
單純以使用者和專案為驅動的推薦引擎並不能滿足相關使用者的實際需要，使用者在實際購買之中往往會結合自己的實際需要以及社交網路的推薦來做選擇 傳統的推薦演算法往往帶有很嚴重的 馬太效應 推薦的商品往往是熱門的商品，導致熱門的商品更加熱門，而處在 長尾分布 上的商品仍然得不到重視。因此，將社交網路與個性化...