人工智能

CorelDRAW X4被禁用;网友小蕙是一名平面设计师，目前在一家广告公司上班，用的软件有PS，AI，还有就是CORELDRAW,本来这个也没什么聊的，因为他的电脑装有两个版本，一个是X4，一个是X7，两个都是在三年前跟淘宝买的正版，就是上周，X4打开一会没反应，接着弹出来个窗口，显示非法软件,您的产品已被禁用的提示语，然后也关不了窗口，只能用任务管理器把软件关闭，只能用X7了，由于工作需要X7基本上没用到，只是用来转下版本用，打开X7正常运行，没有错误呀，这就恼火了，作品全是用X4做的，X4用不了，X7也没办法使用。 小辉就去百度找方法，结果别人告诉他重装系统，应该可以用，结果意外了。 去淘宝找远程安装电脑系统的店家，最后以30元谈下，装了半天，又说机器配置低，安装过程慢，蜗牛一样的速度，终于2小时装好了个WIN10，本想能解决问题，卒，更麻烦的问题来了，WIN10不支持X4版本，你喵的，这要气疯了，后来说是只能安装绿色版，好吧 只要能用绿色版也行了，更痛苦的在后边。 安装绿色版后，软件没有打开方式，怎么打开文件，后又去注册表一吨修改，终于可以使用了，开心呢。 用了两天，一大早来上班，真想砸电脑了，又弹出来了，这个窗口。无语。 在后来就想放弃改用AI，晚上刚好看到个文章说是有个文件少了代码，WIN10的默认是没有的，所以就按网络上讲的修改了，一周多了，现在正常运行

ICLR 2021 会议中投稿量和论文接收量最多的作者和机构都有哪些？这个 GitHub 项目做了一个统计。 机器之心报道，作者：魔王。 人工智能顶会 ICLR 2021 于 1 月 12 日放出了 今年的论文接收结果 。此次会议共收到 2997 篇有效投稿，最终接收 860 篇，其中 53 篇为 Oral 论文，114 篇 Spotlight 论文，其余为 Poster 论文。接收率为 29%，相比去年的 26.5% 有所提升。 近日，斯坦福大学在读博士 Sharon Zhou 整理了 ICLR 2021 的论文统计结果，包括作者、机构等信息。 项目地址： https:// github.com/sharonzhou/I CLR2021-Stats ICLR 2021 论文作者统计结果 该项目统计了 ICLR 2021 被接收论文数量最多的 top 20 作者，其中 UC 伯克利电气工程与计算机科学系（EECS）助理教授 Sergey Levine 以 16 篇接收论文数量名列第一，2018 年图灵奖得主、深度学习先驱 Yoshua Bengio 紧随其后，共有 10 篇论文被接收。 值得一提的是，Sergey Levine 在此前的 NeurIPS 2020 大会上也有 12 篇论文被收录，排名第一，NeurIPS 2019 的数据也是一样

一场突如其来疫情打乱了所有人2020年原本的生活节奏，学校停课、工厂停产、企业停工一时间成为常态，也是在2020年，大家开始逐渐适应远程办公、线上协作等新型办公方式，大家对于数字化的依赖程度也呈直线上升，用户对于云计算、物联网、5G、人工智能等技术的应用出现爆发式增长。而在全民抗疫的大背景下，数字化转型的进程也按下了加速键，随着数字化的不断推进，安全风险也愈加凸显，如何做好新形势下的网络安全防护成为不得不面对的全新挑战。 Palo Alto Networks认为2020年是一个分水岭，是对我们总体数字韧性的一次真正考验。由于新冠疫情的影响可能会持续多年，企业必须重新审视他们的策略以在较长时期驾驭这一新常态。曾听一位友人讲，2020年已然如此糟糕，2021年不会比2020年更加糟糕，然而事实真的如此吗?网络安全的2021又会有怎样的发展趋势? 根据Palo Alto Networks预测，2021年网络安全趋势主要包括以下几点： 预测1，想念旅行?准备好分享更多的个人数据 旅行泡泡和绿色通道将加剧数据隐私的争论： 尽管围绕数据隐私的争论已经进行了多年——一些大型科技公司对数据的使用持谨慎态度，GDPR的合规性对企业来说仍然是一项挑战——但真正引起个人重视数据隐私的是接触者追踪服务。 事实证明，严格的接触者追踪服务和及时获得准确完整的数据，是帮助许多迅速转向此类数字化工具的东亚国家

来源: Venture Beat 作者: Pieter Buteneers 编译: 科技行者 短短几年之内，深度学习算法得到了长足发展，不仅在棋类游戏中击败了全球最顶尖的选手，也能够以等同于、甚至超越人类的准确率识别人脸。但事实证明，人类语言仍是一项独特且深邃的难题，亦是AI技术所面对的最为艰巨的挑战之一。 但是，突破能否如期而至? 一旦计算机可以有效理解人类语言内容，则必将彻底颠覆全球各品牌、企业与组织之间的交互方式。如今，大多数企业拿不出充裕的资源为每位客户提供一对一解答服务。但在语言AI真正成熟之后，企业将能够在任意时间通过任意渠道听取、理解并回应每一个问题。这是一项激动人心的发展愿景，但距离达成目标仍有漫长的道路要走。 直到2015年，人们才构建出一种足以在准确率方面与他类相匹敌的人脸识别算法。Facebook的DeepFace准确率为97.4%，仅略低于人类的97.5%。作为参考，FBI以往的人脸识别算法准确率仅为85%，意味着其做出的判断有超过七分之一概率是错的。 FBI算法是由一组工程师手工开发而成。其中每项特征(例如鼻子大小以及眼睛的相对位置)皆由手动编程而来。Facebook算法则真正实现了特征学习，其利用一种被称为卷积神经网络的特殊深度学习架构，模拟出人类视觉皮层通过复杂的多层结构处理图像内容。事实上，我们并不清楚这些皮层之间是如何联系的，因此一切“奥秘

文末送10本签名书籍，包邮！ 内容简介 本书总结了以神经网络为代表的现代自然语言生成的基本思想、模型和框架。本书共12章， 首先 介绍了自然语言生成的研究背景、从统计语言模型到神经网络语言建模的过程，以及自然语言建模的思想与技术演化过程； 其次 从基础模型角度介绍了基于循环神经网络、基于 Transformer 的语言生成模型，从优化方法角度介绍了基于变分自编码器、基于生成式对抗网络的语言生成模型，从生成方式角度介绍了非自回归语言生成的基本模型和框架； 然后 介绍了融合规划的自然语言生成、融合知识的自然语言生成、常见的自然语言生成任务和数据资源，以及自然语言生成的评价方法；最后总结了本书的写作思路及对自然语言生成领域未来发展趋势的展望。 本书可作为高等院校计算机科学与技术、人工智能、大数据等相关专业高年级本科生、研究生相关课程的教材，也适合从事自然语言处理研究、应用实践的科研人员和工程技术人员参考。 专家推荐 周明 原微软亚洲研究院副院长 国际计算语言学会（ACL）主席 创新工场首席科学家 在 AI 创作风起云涌的今天，故事、诗歌、散文，甚至代码，都可以由 AI 自动生成。《现代自然语言生成》无疑是非常及时和重要的一本书，它详细阐述了以神经网络为代表的现代自然语言生成的基本思想、模型和框架，全书由浅入深、浑然一体，强烈推荐读者们阅读和收藏。 李航 字节跳动AI Lab

点击订阅【 人工智能初学者 】，让我们一起前行 YOLOv4-large在COCO上最高可达55.8 AP！速度也高达15 FPS！YOLOv4-tiny的模型实现了1774 FPS！（在RTX 2080Ti上测试） 作者单位：YOLOv4原班人马 1、简介 基于CSP方法的YOLOv4目标检测方法，可以上下缩放，并且适用于小型和大型网络，同时保持速度和准确性。基于此本文提出了一种网络缩放方法，该方法不仅可以修改深度、宽度、分辨率，还可以修改网络的结构。YOLOv4-Large模型达到了最先进的结果：在Tesla V100上以15FPS/s的速度，MS COCO数据集的AP为55.8％ AP(73.3 ％ AP50)。这是目前所有已发表文章中COCO数据集的最高准确性。YOLOv4-tiny模型在RTX 2080Ti上以443FPS/s的速度实现了22.0％的AP(42.0％AP50)，而使用TensorRT，batchsize=4和FP16精度，YOLOv4-tiny的模型实现了1774FPS/s。 2、Scaled YOLO V4 首先对YOLOv4进行了重新设计，提出了YOLOv4-CSP，然后在YOLOv4-CSP的基础上开发了Scaled-YOLOv4。在提出的Scaled-yolov4中讨论了线性缩放模型的上界和下界，并分析了小模型和大模型缩放时需要注意的问题。因此

大家期待已久的 DevFest 2018 现场实录 终于出炉了！ 11 月 25 日，1125 位开发者之约，你在吗？ 什么？你错过了 DevFest 2018 ？ 不要担心，我们已经为大家推送本次大会的嘉宾演讲实录，不在现场也能干货满满！ 回顾前情： 谷歌资深工程师顾仁民：TensorFlow Extended 帮你快速落地项目 | DevFest 2018 实录 AI 选手别错过！谷歌云美女工程师 Shirley 教你用 AutoML 定制机器学习模型 | DevFest 2018 实录 时下最火的实时视频通信如何使用深度学习？听声网首席科学家钟声聊一聊 | DevFest 2018 实录 谷歌移动技术专家 Palances Liao 带你解析 PWA/AMP & 洞察Web趋势 | DevFest 2018 实录 谷歌机器学习专家江骏 详解 TensorFlow Hub & Tensor2Tensor | DevFest 2018 实录 Merculet 首席架构师吴翔彬 借助公链和联盟链构建融合基础设施 | DevFest 2018 实录 本文由谷歌机器学习专家、了得研究院 CEO 彭靖田为我们分享《TensorFlow Eager》。 1 关于演讲者 2 演讲实录 开场白 这里简单的做一个自我介绍，我叫彭靖田，我从 16 年的时候开始做 TensorFlow

大家好！我是 【AI 菌】 ，有幸入选这次【博客之星】总评选，请为我投出关键的一票，可选择最大票数，非常感谢！1月25日前，每天都有可投票哦~ 投票通道： https://bss.csdn.net/m/topic/blog_star2020/detail?username=wjinjie -> 前往【人生苦短，我学 Python】总目录 <- 文章目录 一、列表简介 (1) 什么是列表 (2) 访问列表元素 (3) 嵌套列表 二、 索引、切分与列表复制 (1) 索引 (2) 切片 (3) 列表复制 三、列表元素个数、最大值、最小值、转换 (1) 返回元素个数 (2) 返回元素最大值 (3) 返回元素最小值 (4) 将元组转换成列表 四、修改、添加和删除操作 (1) 修改列表元素 (2) 在列表末尾添加元素 (3) 在列表中插入元素 (4) 删除列表元素 五、列表操作符 (1) 拼接操作符 (2) 复制操作符 六、列表排序 (1) 永久性排序sort() (2) 临时性排序sorted() 七、其他成员函数 (1) 统计某元素出现的次数count() (2) 从列表中找出某个值第一个匹配项的索引位置index() (3) 反向列表中元素reverse() (4) 清空列表clear() (5) 复制列表copy() 一、列表简介 (1) 什么是列表

AI走进教育，是传统教育的一次迭代进化 在教育问题上，我们看到两类话题最容易引发公众讨论：教育公平和个性化教育，"互联网+教育"有可能解决第一类话题，"AI教育"有可能解决第二类话题。在教育中，对"个性化"教育的呼声不绝于耳，但传统课堂仍然受限于教师资源、课件输出等环节，并没有见到普遍意义上的"个性化"。但AI技术进入教育行业，促进了传统教育的一次迭代进化，为"个性化"教育打开了一个重要出口。它的重点不是要研发所谓黑科技，而是要解决学习者的学习障碍，比如解决"千人一面"问题。 在传统课堂，一个班级面对同一个老师，老师无法精确纪录或追踪每位学生的状态或学习行为，来提供最适化的学习，孩子的个性化特征被稀释。但追踪和反馈刚好是 AI 最擅长的事。AI 可以动态调整，给学生提供最适当的内容、反馈、练习或测验题目，以提升学习成效。还可以通过可复用的AI课程内容提供"千人千面"的课堂互动能力，面向传统课堂提出"效率和效果"的双向解决途径。 在AI课堂，生动性是关键 如今大部分AI课堂的模式是提前录入大量的真人教学视频、游戏互动片段，在课堂互动时根据学生的不同回答推送不同的内容。虽然是录播，但因为可以在课件设计、交互场景、游戏、同学陪伴等环节做得非常出彩，所以不仅体验比直播好，还比直播更灵活稳定、成本更低。这种教学方式实现了课堂互动的个性化，是极其接近直播的教学课堂。 但对比线下课堂

2020年12月，艾瑞咨询发布 《DevOps应用发展研究》 ，对业内企业进行调研，梳理国内DevOps历史脉络、发展现状及展望，内容涵盖DevOps理念解析及行业应用、中国DevOps市场发展状况和中国DevOps应用发展展望。 DevOps概述 DevOps企业实践 ：由于DevOps的实践远不仅限于安装软件工具，其在企业内部的落地实践需要经历复杂的转型过程。我们认为DevOps的成功实践需要企业工程解耦化、流程协同化和管理颗粒化的改变，要走过从资源整合到自助服务的五个步骤。在这个过程中，企业和团队需要更多地关注管理方式和文化适应性，引入专业机构的咨询和培训服务能够有效减少DevOps转型过程中的摩擦成本。 DevOps市场现状 ：早在云计算诞生之前DevOps已然存在，长期以来DevOps实践使用的软件工具以免费的开源软件为主。尽管如此，一体化的DevOps平台正在成为全球范围内的DevOps发展趋势，国内企业通常采用一体化平台+开源软件的方式构建自己的DevOps体系。2020年国内DevOps服务的市场规模达到27亿元，未来5年的CAGR将超过25%，市场发展前景良好。 DevOps应用展望 ：DevOps面对的企业文化上的敏态转型以及其所使用的不断优化的开发/运维软件都决定了DevOps不会成为一种故步自封的工具，云原生更是为DevOps大展身手提供了广阔的平台。