本文介绍了无监督学习相关的A Simple Framework for Contrastive Learning of Visual Representations(SimCLS)，以论文的原始形式排列。SimCLS使用对比学习（Contrastive Learning）来获得图像的视觉表示（Visual Representations），或者说是一种抽象特征。对于Resnet，representation是 average pooling layer 的输出向量。
本文主要对ASL（Asymmetric Loss For Multi-Label Classification）进行了介绍，包括ASL的背景、思路、方法等，顺便对ASL的源码，对照论文进行分析和说明。
本文介绍了Deep High-Resolution Representation Learning for Human Pose Estimation的一些基础内容。
这个姿势估计算法源自Simple Baselines，两者在这统称 SimplePose.
本文简要对SimplePose的原理和网络结构点到为止，主要记录了官方实现框架的基本结构、Bug、使用和改造技巧，并附带了一些姿势估计的基础内容。
本文介绍了FreeRTOS队列的创建、发送和阻塞接收的过程和原理，以及基于队列实现的其它系统功能。
本文是关于FreeRTOS在Cortex-M3上的核心技术，主要涉及任务的创建、任务内存管理和任务切换，展示了系统切换到用户级运行FreeRTOS任务的过程。
内存管理基于heap_2，基于Demo FreeRTOS\Demo\CORTEX_STM32F103_Keil。
本文是关于Linux平台标配构建工具Make，其使用的默认配置文件Makefile。根据个人的项目经验，介绍Makefile在工程实践中的应用技巧。比如，如何在Makefile中执行shell命令、打包发布、动态库与静态库混编、模块化编程等。本文假设读者拥有一定的Makefile基础知识，至少懂Makefile基本规则。