深度学习与机器学习(都在整理关于后台的，被问到后忘了，尴尬,的确是我的问题)，基本的机器学习知识还是要整理一波/(ㄒoㄒ)/~~
inception 网络：
主要应用了深度可分离卷积：
主要用了大尺度滤波器的卷积（如55，77）的引入，会产生大量的计算。例如一个55的卷积比一个33卷积滤波器多25/9=2.78倍计算量。当然55滤波器可以学习到更多的信息。那么我们能不能使用一个多层感知器来代替这个55卷积滤波器。
因此，提出了使用两个级联的33的滤波器来代替一个55的滤波器，这样节省了(55)/(23*3)=1.39被计算量，如下图的左图所示。因此，inception v1中的模块可以被替换成如图所示。
决策树：
SVM
友元函数：
友元提供了不同类的成员函数之间、类的成员函数与一般函数之间进行数据共享的机制。通过友元，一个不同函数或另一个类中的成员函数可以访问类中的私有成员和保护成员。c++中的友元为封装隐藏这堵不透明的墙开了一个小孔，外界可以通过这个小孔窥视内部的秘密。
友元的正确使用能提高程序的运行效率，但同时也破坏了类的封装性和数据的隐藏性，导致程序可维护性变差。
友元函数 ：
友元函数是可以直接访问类的私有成员的非成员函数。它是定义在类外的普通函数，它不属于任何类，但需要在类的定义中加以声明，声明时只需在友元的名称前加上关键字friend，其格式如下：
friend 类型 函数名(形式参数);
linux 下的操作(这些都用过的呀/(ㄒoㄒ)/~~)(https://www.cnblogs.com/freeweb/p/5407105.html)：
top -p 2913
ps -aux | grep kafka
cat /proc/2913/status
linux 下查看IO(这些都用过·的呀)：
iostat -d -k 2
linux 下查看网络:
ntop
查看硬盘：
df -h
二叉搜索树删除(https://blog.csdn.net/GarfieldGCat/article/details/89713812)：
可能问我是几种情况分别怎么样处理吧，直接考虑最复杂情况的脑回路一向，慌得一批：
1.没有子树直接删除
2.待删除的结点仅有一颗子树，只需要将其唯一的子树接到其原父亲结点处，即原本指向被删除结点的指针改为指向被删除结点的子树。
3.有两颗子树，
(1)使待删除结点的左子树代替被删除的结点，将被删除结点的右子树放置于被删除结点的左子树的最右边。
(2)用待删除结点的直接前驱或直接后继（指的是遍历顺序的）代替被删除的结点，然后再删除用以替代的原节点。
