本篇是根据GopherConSG2019“UnderstandingAllocations”演讲的学习笔记。UnderstandingAllocations:theStackandtheHeap-GopherConSG2019-YouTube理解分配：栈和堆你的程序中有两种内存，栈内存和堆内存。go中，每个go程都会有一个栈空间，整个程序有一个堆空间。变量是在栈还是堆上负责堆垃圾回收的GC会导致整个程序的延迟，而不仅仅是创建垃圾的部分。你可能会担心你的代码在堆中产生了多少垃圾。什么时候需要优化要有benchmarks基准来证明你的程序不够快（有大量的堆内存分配），够快就不用多此一举了。你要先确

识别和生成是人工智能领域中的两大核心任务，如果能将二者合并到一个统一的系统中，这两个任务应该能实现互补。事实上，在自然语言处理中，像BERT[1]这样的模型不仅能够生成高质量的文本，还能够提取文本中的特征。然而，在计算机视觉领域，目前的图像生成模型和识别模型大多是分开进行训练，没有充分利用这两个任务的协同作用。这主要是由于图像生成和图像识别的模型通常具有本质上的结构差异：图像生成的输入是低维度的特征或噪声，而输出是高维度的原始图像；与之相反，图像识别的输入是高维度的原始图像，而输出是低维度的特征。最近，来自MIT和GoogleResearch的研究人员提出了一种基于图像语义符掩码的表征学习方法

识别和生成是人工智能领域中的两大核心任务，如果能将二者合并到一个统一的系统中，这两个任务应该能实现互补。事实上，在自然语言处理中，像BERT[1]这样的模型不仅能够生成高质量的文本，还能够提取文本中的特征。然而，在计算机视觉领域，目前的图像生成模型和识别模型大多是分开进行训练，没有充分利用这两个任务的协同作用。这主要是由于图像生成和图像识别的模型通常具有本质上的结构差异：图像生成的输入是低维度的特征或噪声，而输出是高维度的原始图像；与之相反，图像识别的输入是高维度的原始图像，而输出是低维度的特征。最近，来自MIT和GoogleResearch的研究人员提出了一种基于图像语义符掩码的表征学习方法

image.png方法来源于上面这篇文章，不得不说，这篇文章运用了非常多复杂的方法去阐述关注的科学问题，真不愧是出自Broadinstitute实验室的。我这里暂时只讲下文章中一种比较新颖的比较不同条件下亚群丰度变化的方法。首先我们先了解下Dirichlet-multinomialregression。让我们从数学层面开始：假设从正常组织取了samplei，正常组织本身包含了p种celltype，假设各种celltype出现的概率为Cellprobability,samplei中各种celltype出现的数目为Numberofcelltypesamplei中共有N个cell，全部细胞的总和就是

image.png方法来源于上面这篇文章，不得不说，这篇文章运用了非常多复杂的方法去阐述关注的科学问题，真不愧是出自Broadinstitute实验室的。我这里暂时只讲下文章中一种比较新颖的比较不同条件下亚群丰度变化的方法。首先我们先了解下Dirichlet-multinomialregression。让我们从数学层面开始：假设从正常组织取了samplei，正常组织本身包含了p种celltype，假设各种celltype出现的概率为Cellprobability,samplei中各种celltype出现的数目为Numberofcelltypesamplei中共有N个cell，全部细胞的总和就是

1.准备源码程序源码分析alloc&init&new的流程，使用从github上下载的LGCooci的源码https://github.com/LGCooci/KCCbjc4_debug。因为设备限制，我是基于818的源码进行学习。从github下载完成后，在KCObjcBuild所在的目录新建一个OC类命名为Person，Person类中什么都不写。在main.m中写入如下代码：#import"Person.h"Person*p1=[Personalloc];Person*p2=[p1init];Person*p3=[p1init];NSLog(@"%@-%p-%p",p1,p1,&p1);

1.准备源码程序源码分析alloc&init&new的流程，使用从github上下载的LGCooci的源码https://github.com/LGCooci/KCCbjc4_debug。因为设备限制，我是基于818的源码进行学习。从github下载完成后，在KCObjcBuild所在的目录新建一个OC类命名为Person，Person类中什么都不写。在main.m中写入如下代码：#import"Person.h"Person*p1=[Personalloc];Person*p2=[p1init];Person*p3=[p1init];NSLog(@"%@-%p-%p",p1,p1,&p1);