虚怀若谷，大智若愚

实际工程中发现，Python做for循环非常缓慢，因此转换成numpy再找效率高很多。numpy中有两种方式可以找最大值（最小值同理）的位置。

python 中的多态实现非常简单，只要是在子类中实现和父类同名的方法，便能实现多态，如果想在子类中调用父类的方法，有多种方法，但是当涉及菱形继承等问题是，super 就成为了比较好的解决方案。

根据实际使用过程中的报错问题引出的Python的type和classobj的总结。

在C++中，inline和#define有一些相似之处，但是二者的使用和实现均有区别之处，本文仅对实际使用中的一些区别做出总结。

C++有一个重要特性就是不支持分离编译，因此对于公共的模板函数或者模板类的声明和实现，一般都要放到头文件中。

numpy中有一些强大的函数可以很方便的实现日常的数值处理计算。在机器学习的特征处理中，meshgrid使用的很多，我之前对于meshgrid的用法一直是有点茫然记不住，后来看到一个stackoverflow的帖子恍然大悟，所以记录分享一下，有兴趣可以看原帖。

机器学习领域中对于线性不可分的情况通常使用核函数的方法将其映射到高维空间，实现线性可分，之前一直对于核函数理解不到位，容易陷入数学公式推导的深区，本文则通过总结核函数的基本原理摒弃绝大多数数学推导，来对核函数的概念进行归纳总结。

本文主要为了解释清楚Python的内存管理机制，首先介绍了一下Python关于内存使用的一些基本概念，然后介绍了引用计数和垃圾回收gc模块，并且解释了分代回收和“标记-清除”法，然后分析了一下各种操作会导致Python变量和对象的变化，对Python的内存管理机制作了简单的小结，更深刻的理解pytho程序的运行方式。

最近在看Mask R-CNN，了解到其边框包裹紧密的原因在于将 Roi Pooling 层替换成了 RoiAlign 层，后者舍去了近似像素取整数的量化方法，改用双线性插值的方法确定特征图坐标对应于原图中的像素位置。本文整理了双线性插值的一些知识，便于更好的理解其中的操作。

Linux下的多种IPC都需要使用类似xxget函数，通过一个key_t类型的值获取IPC对象id，这个key参数的传入有两种方式，一个是通过ftok调用生成，一个是IPC_PRIVATE，二者在使用上有一些区别。