
- 相关博文
- 最新资讯
-
By 超神经内容提要:来自最强科研寺庙龙泉寺的贤超法师,近年来一直在研究人工智能与文献古籍的融合,目前,他已带领的《大藏经》团队实现 AI 自动标点、文白翻译、古籍文字识别等技术实践。关...
-
前言Flutter 近两年崛起的非常迅猛,正在成为移动开发中不的不重视的一股力量。如果你是一个有追求IOS或者Android程序员,我想你有必要尝试一下。本人是从事Android开发也有几年了,前段时间公司引入了Flutter技术,所以有幸尝试了一下,准备从我的切身体验总结一下快速掌握Flutter开发的一些技巧。思维转变因为Flutter的定位其实是一套跨平台的UI工具箱,下面是官方定义:Flutter is Google’s UI toolkit for building beautiful
-
反思 系列博客是我的一种新学习方式的尝试,该系列起源和目录请参考 这里 。背景诸如EventBus\RxBus\LiveDataBus的事件总线库在业内正遭滥用。诚然,事件总线看起来 小而美 ,但随着业务复杂度上升,事件的发送和订阅到处分布,这个优势反而成为了负担,因此,笔者不建议在任何量级的项目中使用事件总线库。更多原因读者可参考 这篇文章 。更合理的方案是什么呢?在量级较小的项目中,开发者应该通过 依赖注入 将Callback进行不同层级的依次传递,以保证 层级间的依赖关系足够清晰。而对于.
-
文章目录前言背景问题追踪排查分析排查一:JN服务本身问题排查二:NN 服务问题排查三:JN机器硬件层面问题推论四:JN受所在机器其它服务的影响总结前言众所周知,在HDFS集群中,NameNode服务是其中的核心服务。NameNode的性能处理效率的高低直接影响着其对外提供的服务能力。鉴于过往笔者已经写过诸多NameNode优化系列的文章,本文笔者来聊聊另外与NameNode相关的服务JournalNode(简称JN)服务。JournalNode是在HDFS HA模式下用来做共享editlog的存储的。
-
来自『央视新闻』 编辑 / 昱良9月18日,华为发布全球最快AI训练集群——Atlas 900。这款AI产品,取名自古希腊神话中的擎天巨神。它有什么特别之处?真能“擎天”...
-
文章目录一、互联网快讯二、程序员专属三、Github 每日精选四、CSDN 社区优质博文精选一、互联网快讯1、抖音将替代拼多多,成为 2021 年春晚独家红包互动伙伴据了解,1 月 16 日,字节跳动招聘官网上,已增加 57 个 「春节专项」 招聘职位,包括 56 个研发岗位和 1 个产品经理岗。此外,一名了解字节跳动相关业务的人士透露,抖音正在复盘 CDN(内容分发网络)系统。他还表示,春晚红包活动带来的高并发流量,对云计算、存储等基础架构是一次不小的挑战。2、原锤子团队被合并:不再研发坚果手.
-
【CSDN 编者按】前一阵闹得沸沸扬扬的 GitHub 解雇犹太员工的事件终于落幕,GitHub 昨日承认错误并公开道歉,期间到底发生了什么呢?整理 | 郑丽媛出品 | CSDN(ID:CSDNnews)前几天,GitHub 引起了一场不小的争议:外媒报道称,一位犹太员工因 1 月 6 日在 Slack 会话消息中发表了“警惕纳粹”的言论,遭到了 GitHub 的解雇,理由是“行为模式不当”。事发后,众多 GitHub 员工联名上诉,要求得知其背后的真实原因。终于,1 月 17 日,GitHub.
-
作者:HelloGitHub-小鱼干Twitter 有位程序员总结了本周的 GitHub 中文程序员的看点:国内程序员日常——考公务员、996、抢茅台、刷算法、整健康码。在本期热点速览里,小鱼干收录了考公务员的项目 coder2gwy,它有多受国内程序员欢迎呢?一周 star 获得 8k+,上一次遇到一周获得近万 star 的项目还是图片处理项目 Depix,它的神奇之处在于还原马赛克密码。而 coder2gwy 的神奇之处在于充分体现了国内程序员对 996 的“厌恶”,以及对自己私人时间的极度渴望。当.
-
"努力做一个积极向上乐观开朗的人"重庆跨年之夜元旦跨年已过,是时候回顾下这一年的工作和生活,看看自己又成长了多少。再立一下 2021 年的 flag,争取在 35 岁之前实现自己财务自由的梦想。工作入职今年来到蚂蚁工作,职业生涯进入到一个全新的阶段,阔别杭州多年之后又回到了这里。依扬 | 取自木易楊谐音来了之后直接就感受到了全方位的压力,这和来之前所设想到的还是有些不同。在之前要么只需要专心的写业务,要么专心的写技术,相对来说比较轻松自在。在这里感受到的是对能力全方位
-
本文将会分享近期发布的七大GitHub机器学习项目。这些项目广泛覆盖了机器学习的各个领域,包括自然语言处理(NLP)、计算机视觉、大数据等。最顶尖的Github机器学习项...
-
Spring容器的生命周期是面试的高频题目,但是这个生命周期非常复杂,想要完全说清楚几乎不可能。但对全局有个把控,知道每个阶段大概所做的事情是很重要的,尤其在编写框架或者扩展Spring的时候尤其重要。
-
经常是某司线上又出bug了,然后是给公司造成多少损失,追根究底总是可以找到一些原因,诸如:写代码逻辑考虑不全面,或者代码有硬伤,也有测试不充分,甚至不测试都有,也有是运维的问题等等。我对测试部专业,测试是否可以发现所有问题我不好说,但是可以肯定的是从很多大厂出过的问题来看,测试只能减少问题,不能彻底规避问题。可能你会说需要监控等手段并用,那是必须的,但是首先还是需要把代码写好。作为开发人员需要有些追求,写出高阶一点的代码,不然只是这次发现问题,但是一些不好的习惯或者代码水平不提高还是会出错。
-
作为一个资深的软件工程师,我经常遇到其他/她开发人员大量的重复问题。过去只靠写博客,现在,我有了四种方式来解决:博客。我的博客 phodal.com 上有 850+ 的博客工具。创造开源...
-
Pillow 库是python中处理图片最常用的库,我们用 Pillow 来实现一个图片裁剪的功能。先安装pillow库pip install pillow我们要实现的效果如下,随便找一张图,裁剪后的效果图首先通过open方法打开图片,得到一个Image对象from PIL import Imageimport requestsim = Image.open("test.jpg")也可以使用使用网络上的图片URL链接from PIL import Imageimport reque
-
本文将介绍由腾讯与欧洲顶级农业大学 WUR(荷兰瓦赫宁根大学)共同举办的第二届“国际智慧温室种植大赛”预赛情况。9月20日,腾讯与欧洲顶级农业大学 WUR(荷兰瓦赫宁根大...
-
蓝桥杯2018年省赛A组题目总结
-
例题:请补充函数,该函数的功能是求一维数组a[N]的平均值,并对所得结果进行四舍五入保留两位小数。例如,当a[10]={ 23.1,12.3,5.3,56.4,10.0,13.7,24.5,42,1.2,9.9}时,输出结果为:average=19.840000。请勿改动主函数main与其它函数中的任何内容,仅在fun函数的横线上填写所需的若干表达式或语句。代码如下:#include<stdio.h>#include<conio.h>double fun(double a
-
| 快讯根据《晚点 LatePost》的独家消息,1 月 20 日,滴滴内部发公告称将成立技术委员会,CTO 张博担任技术委员会主席,橙心优选 CTO 赖春波、国际化 CTO 卜峥担任副主席。技术委员会将在稳定性保障和中后台降本增效进行持续投入。公告同时显示,高级副总裁章文嵩将于近期离职。他负责的基础平台工作,将由智能中台负责人杨毅接任;滴滴云将并入企业服务事业群,由蔡晓鸥负责。离职之后,章文蒿仍将继续担任滴滴技术委员会名誉主席。章文嵩于 2016 年从阿里云离职加入滴滴,曾负责基础平台、智慧交通、
-
马斯克抱怨 GPT-3 不够 Open,开源的语言模型库来了你要不要学?一个名叫 EleutherAI 的团队开源了语言模型代码库 GPT-neo,其模型利用 mesh-tensorflow 库扩展到完整的 GPT-3 尺寸,官方预计可能会更大,不过该模型的名字还没完全确定,或许叫 GPT-HAHAHA 也说不好。有网友甚至说,它可以改名字叫做 realOpenAI,顺便还 Cue 了一下马斯克。作者 | 八宝粥出品 | CSDN(id:CSDNnews)这里还包括替代模型体系结构和线性注意实
-
本文由『机器之心』授权转载参编辑 / 昱良链接:https://arxiv.org/pdf/1908.08847.pdf时尚电子商务平台通过搜索和个性化来简化服装购买。可...
-
HelloGitHub-嘉文这里是 HelloGitHub 推出的《讲解开源项目》系列,今天给大家带来一款开源免费的模拟后端 API 的工具:moco没学过后端开发的也能快速上手这个开源...
-
【编者按】API 在软件的构建中扮演着越来越重要的角色,许许多多的 API-first 公司在行业内展露头角。可是 API 究竟是什么?有什么用?能给行业发展带来怎样的影响?编译 | ...
-
你好呀,我是灰小猿,一个超会写bug的程序猿!欢迎大家关注我的专栏“每日蓝桥”,该专栏的主要作用是和大家分享近几年蓝桥杯省赛及决赛等真题,解析其中存在的算法思想、数据结构等内容,帮助大家学习到更多的知识和技术!标题:世纪末的星期曾有邪教称1999年的12月31日是世界末日,当然该谣言已经不攻自破,还有人称今后的某个世纪末的12月31日,如果是星期一则会...有趣的是,任何一个世纪末的年份的12月31日都不可能是星期一!!于是,“谣言制造商”又改为星期日,1999年的12月31日
-
RANet : 分辨率自适应网络效果和性能的best trade-off | CVPR 2020
深度CNN带来了性能提升的同时也带来了过高的计算量,许多研究放在了如何进行网络加速上面,其中比较直接的是根据样本难易程度进行自动调整的自适应网络。基于对自适应网络的研究,论文提出了自适应网络RANet(Resolution Adaptive Network),思想如图1所示,网络包含多个不同输入分辨率和深度子网,样本先从最小的子网开始识别,若结果满足条件则退出,否则继续使用更大的子网进行识别,子网的特征不是独有的,下一级别的子网会融合上一级别的子网特征,从实验来看,论文在效果和性能上取得了很不错的trade-off。
-
本文目的不是为了强调MTCNN模型的训练,而是如何使用MTCNN提取人脸区域和特征点,为后续例如人脸识别和人脸图片预处理做铺垫。
-
脉冲神经网络在目标检测的首次尝试,性能堪比CNN | AAAI 2020
论文打算使用DNN-to-SNN转化方法将SNN应用到更复杂的目标检测领域中,图片分类只需要选择分类就好,而目标检测则需要神经网络进行高度准确的数字预测,难很多。在深入分析后,论文实现YOLO的转换主要面临以下两个问题:
-
在这个过程中,所使用的的Python库有tkinter,其目的是用于规划棋盘布局,实现下棋功能;SGF文件用于读取棋谱并加载训练模型;os库用于读取和存储本地文件;TensorFlow库用于建立CNN网络模型以及训练等事项。
-
CNN vs RNN vs ANN——3种神经网络分析模型,你pick谁?
我还常常会见到另一个问题——神经网络需要强大的计算能力,那么当问题中只是存在一些细微差别时,使用神经网络真的值得吗?问题的答案很简单——值得!
-
代替Mask R-CNN,BlendMask欲做实例预测任务的新基准?
实例分割是一种基础视觉任务。在今天要为大家介绍的工作中,作者通过有效地将实例级信息与具有较低级细粒度的语义信息结合起来,提升了掩码预测精度。本文的主要贡献是提出了一个Blender模块,该模块从自上而下和自下而上的实例分割方法中汲取了灵感。由于该方法简单且有效,作者希望本文的BlendMask可以作为各种实例预测任务的基准。
-
一般来说,基于树形结构的模型在Kaggle竞赛中是表现最好的,而其它的模型可以用于融合模型。对于计算机视觉领域的挑战,CNNs (Convolutional Neural Network, 卷积神经网络)是最适合不过的。而对于NLP(Natural Language Processing,自然语言处理),LSTMs或GRUs是最好的选择。下面是一个不完全模型细目清单,同时列出了每个模型的一些优缺点。
-
从LeNet到GoogLeNet:逐层详解,看卷积神经网络的进化
深度学习的兴起使卷积神经网络在计算机视觉方面大放异彩,本文将按时间和创新点顺序介绍一系列网络结构:LeNet、AlexNet、VGGNet、InceptionNet 与 ResNet。网络上大部分文章都只是草草讲述,本文小波仔仔细梳理,从问题的背景,网络结构,为什么设计这样的结构,参数数量各方面详细讲述CNN的进化之路。
-
本文提出了一种用于多任务学习的CNNs中任务特定(task-specific)和共享表示(shared representations)的概率学习方法。具体来说,本文提出了一个随机滤波分组(stochastic filter groups,SFG)的方法,SFG是一种将每一层中的卷积核分配给专有(specialist)或通用(generalist)组的机制,这些组分别针对不同的任务或在不同的任务之间共享。SFG确定了层与网络中特定于任务和共享表示的结构之间的连接性,使用变分推断(variational inference)来学习可能的卷积分组和网络参数分组的后验分布。实验证明,本文所提出的方法适用于多个任务,并且比基准方法有更好的性能。
-
近期一篇CNN综述文章《A Survey of the Recent Architectures of Deep Convolutional Neural Networks 》发布,受到了大家的关注,今天作者对论文中的内容做了中文的解读,帮助大家全面了解CNN架构进展。
-
在人工智能的发展越来越火热的今天,其中智能应用也在伴随着我们的生活,其中最具有代表性的便是图像识别,并且其中的应用比比皆是,如车站的人脸识别系统,交通的智能监控车牌号系统等等。而卷积神经网络作为图像识别的首选算法,对于图像的特征提取具有很好的效果,而TensorFlow作为Google的开源框架具有很好的结构化特征,而本篇文章将利用卷积神经网络算法对图像识别进行应用,开发出颜值评分器的功能。
-
在物体检测中的实验结果表明, 在使用更少的参数以及更低的计算花销的情况下,AttoNets 的效率与现有最优模型相当,并在准确率指标上大幅超越现有模型(与 MobileNet-V1相比,最小的 AttoNet 的准确率提升约 1.8%,使用的乘-加操作数和参数量减小了10倍)。另外,本文也在实例分割和物体探测应用中检测了 AttoNets 的效果,并发现与基于 ResNet-50 的 Mask R-Cnn 相比,通过使用基于 AttoNet的 Mask R-Cnn 网络,参数量和计算花销得到了大幅度降低(乘-加操作减少5倍,参数量减少2倍)。
-
强大人脸检测系统MTCNN可攻破?华为提出一种可复制、可靠的攻击方法
深度学习方法在人脸检测任务上取得了显著的成果,但这些进展带来了与深度卷积神经网络模型安全性相关的新问题,并揭露了基于DCNN的应用程序有潜在风险。即使在数字领域仅做微小的改动输入,也可能骗过神经网络。有研究已经表明,一些基于深度学习的人脸检测器不仅在数字领域而且在现实世界中都容易受到对抗性攻击。
-
击败最新无监督域自适应方法,研究人员提轻量CNN新架构OSNet
这篇论文《Learning Generalisable Omni-Scale Representations for Person Re-Identification》是一篇关于行人再识别领域的新研究(Person Re-Identification , re-ID)。这篇论文中,作者们提出了一个新的CNN架构——OSNet,在实验效果方面,这一新模型架构击败了最新的无监督域自适应方法。
-
本文提出了一种新的自适应连接神经网络(ACNet),从两个方面对传统的卷积神经网络(CNNs)进行了改进。首先,ACNet通过自适应地确定特征节点之间的连接状态,在处理内部特征表示时可以灵活地切换全局推理和局部推理。从这个角度来说,现有的很多CNN模型,经典的多层感知器MLP以及最近(2017)提出的NLN(Non-local Neural Networks),都是ACNet的特殊形式。其次,ACNet还能够处理非欧几里德数据( non-Euclidean data,关于非欧几里得数据,下文会有解释)。实验证明,ACNet不仅在分类、检测、分割任务上都有SOTA表现,而且还可以克服传统MLP和CNN的一些缺点。
-
CNN从2012年的AlexNet发展至今,科学家们发明出各种各样的CNN模型,一个比一个深,一个比一个准确,一个比一个轻量。下面会对近几年一些具有变革性的工作进行简单盘点,从这些充满革新性的工作中探讨日后的CNN变革方向。
-
目标检测包括目标分类和目标定位 2 个任务,目标定位一般是用一个矩形的边界框来框出物体所在的位置,关于边界框的回归策略,不同算法其回归方法不一。本文主要讲述:1.无 Anchor 的目标检测算法:YOLOv1,CenterNet,CornerNet 的边框回归策略;2.有 Anchor 的目标检测算法:SSD,YOLOv2,Faster R-CNN 的边框回归策略。
-
1小时上手MaskRCNN·Keras开源实战 | 深度应用
MaskRCNN 是何恺明基于以往的 faster rcnn 架构提出的新的卷积网络,一举完成了 object instance segmentation。该方法在有效地目标的同时完成了高质量的语义分割。文章的主要思路就是把原有的 Faster-RCNN 进行扩展,添加一个分支使用现有的检测对目标进行并行预测。
活动
-
2021.03.31
-
2020.12.25
-
2020.10.24
-
2020.06.02
-
2020.06.12
-
2020.07.04
精品推荐
热门推荐
学习资源
关于我们

关注「AI科技大本营」
转载 & 投稿(微信):1092722531
商务合作(微信):15222814505