1. 采用单缓冲时，将数据传入缓冲区110us，从缓冲区传入用户区40us，处理数据20us，采用双缓冲每次能节省多少时间？
采用双缓冲能节省下缓冲区传入用户区的时间，40us
2. 判断是否报错
a = (1,2,3) del a[0] × 元组不能修改
a = ([1,2,3],2,3) del a[0][0] √ 元组里面的列表可以改
l = [1,2,3] print(l.extend(l).extend(l)) × extend没有返回值，None
3. 在分时系统中，为方便多个进程能够及时与系统将交互，当就绪进程为20时，响应时间不超过1s，则此时的时间片最大应为
1/20 * 1000 ms = 50ms
4. 编译报错和运行报错
编译期：在程序的字节码文件中产生一些控制程序运行时分配内存的指令，仅仅是知道内存分配的大小以及存放的位置，不做具体的分配操作
运行期：对内存进行真正的分配，确定程序分配内存的大小，以及这些变量该存放内存的位置
编译错误一般指语法错误或很明显的逻辑错误，如缺少分号、括号，关键字书写错误等
运行错误是在没有编译错误的基础上运行后产生的逻辑错误，如空指针异常、除数为0、越界访问等
5. pixelcnn 和 pixelrnn
深度神经网络的生成算法主要分为三类：
1. 生成对抗网络(Generative Adversarial Network，GAN)
2. 可变自动编码器(Variational Autoencoder，VAE)
3. 自回归模型(Autoregressive models)
pixelCNN和pixelRNN属于自回归模型
PixelCNN通过捕获像素之间的依赖分布关系，沿着两个空间维度在图像中一次顺序生成一个像素
像素 i 由所有先前的像素定义，使用卷积操作，可以并行的学习图像中所有像素的分布，然而，卷积操作的感受野却违反了自回归模型的顺序预测规则，在处理一个中心像素信息时，卷积滤波器
考虑的是周围的所有像素来计算输出特征图，所有就需要采用掩码来阻止来自尚未预测的像素的信息流。
PixelCNN模型通过最大化训练数据的似然估计来学习其参数
因此与其他方法相比训练更加稳定，但是由于样本的生成是顺序的(逐个像素)，PixelCNN在可扩展性方面存在困难。
标签：extend,10,2022,错误,PixelCNN,像素,编译,报错,科大 From： https://www.cnblogs.com/Liang-ml/p/16774998.html