深度学习

点击上方“ 3D视觉工坊 ”，选择“星标” 干货第一时间送达 本次介绍一个发表于Pattern Recognition的经典三维点云描述子TOLDI，首先进行算法阐述，然后再给出数据集的介绍、局部参考坐标系与描述子的评估方法。 论文地址：Jiaqi Yang, QianZhang, Yang Xiao, Zhiguo Cao, “TOLDI: An effective and robust approach for 3Dlocal shape description”, Pattern Recognition, vol. 65, pp. 175–187, 2017. 源码地址：https://github.com/TaylorAmy1995/3D-feature-description.git 1.引言 影响点云局部特征描述能力和稳定性的因素主要包括几何属性的利用以及空间信息的解码。因为点云具有无序、不规则、无拓扑结构等特性，可以凭借三维到二维投影的方式来用多张二维图像表征三维点云的几何特征，图像的表征能提供稳定的信息解码，而多视角机制可以弥补投影导致的信息损失；对于空间信息的解码，意识到充分利用三维空间信息依赖于三维物理坐标系的构建，然而敏感器的坐标系没有抗旋转的能力，因此尝试在点云局部曲面构造了一个本征、抗旋转的局部坐标系。基于上述分析

阿里云ECS云服务器通用型g6和g5的区别以及选择建议 阿里云ECS云服务器通用型g6和通用型g5实例有什么区别?通用型g5和g6都是用于性能均衡场景，CPU内存比都是1:4，本文来说说通用型g6和通用型g5的区别以及选择方法：官方文档： 云服务器ECS共享标准型S6实例 ECS云服务器通用型g6和通用型g5有什么区别? 顾名思义，通用型g6是通用型g5的升级版，ECS云服务器通用型g6是第六代云服务器，性能全面提升的同时价格有所下调，如何选择?云E优站长博客建议选择通用型g6实例。 通用型g6云服务器是阿里云的第六代云服务器，第六代云服务器是基于第二代Intel至强可扩展处理器，睿频从上一代2.7Ghz提升到3.2Ghz，E2E计算性能有3-15%的提升;支持vnni指令集,对于深度学习的推理场景有2-4倍性能提升;虚拟化优化性能抖动，ping flood延时超过1ms的报文数<1/100万。 通用型g6和通用型g5区别对比表 综上，阿里云ECS云服务器通用型g6是通用型g5的升级版，性能有所提升，如何选择?新手站长网还是建议性价比放在第一位，虽然通用型g6是g5的升级版，但是通用型g5的性能也不差，如果通用型g5拥有更优惠的折扣，通用型g5也是可以选择的。 来源： oschina 链接： https://my.oschina.net/u/4358445/blog/4282660

阿里云ECS云服务器通用型g6和g5的区别以及选择建议 阿里云ECS云服务器通用型g6和通用型g5实例有什么区别?通用型g5和g6都是用于性能均衡场景，CPU内存比都是1:4，本文来说说通用型g6和通用型g5的区别以及选择方法：官方文档： 云服务器ECS共享标准型S6实例 ECS云服务器通用型g6和通用型g5有什么区别? 顾名思义，通用型g6是通用型g5的升级版，ECS云服务器通用型g6是第六代云服务器，性能全面提升的同时价格有所下调，如何选择?云E优站长博客建议选择通用型g6实例。 通用型g6云服务器是阿里云的第六代云服务器，第六代云服务器是基于第二代Intel至强可扩展处理器，睿频从上一代2.7Ghz提升到3.2Ghz，E2E计算性能有3-15%的提升;支持vnni指令集,对于深度学习的推理场景有2-4倍性能提升;虚拟化优化性能抖动，ping flood延时超过1ms的报文数<1/100万。 通用型g6和通用型g5区别对比表 综上，阿里云ECS云服务器通用型g6是通用型g5的升级版，性能有所提升，如何选择?新手站长网还是建议性价比放在第一位，虽然通用型g6是g5的升级版，但是通用型g5的性能也不差，如果通用型g5拥有更优惠的折扣，通用型g5也是可以选择的。 来源： oschina 链接： https://my.oschina.net/u/4270922/blog/4281350

作者 | Just 出品 | CSDN（ CSDN news ） “我发现，软件研发总会延期。”一流科技CEO袁进辉说。 按照他的预期，深度学习框架OneFlow做两年就能开源给开发者检验，但时间向后延长了近一年半，“确实预计的不准” 。 但无论如何，经过1300多天的打磨，一个由30多人团队打造的基于静态调度和流式执行技术的OneFlow深度学习框架终于问世。 对于刚刚在GitHub开源的OneFlow，袁进辉总体打85分。 与其他几个“国产”AI框架相比， 袁进辉 认为，在完备性上， OneFlow 比在今年3月开源的MindSpore和MegEngine要更好，不过支持的模型库还是比2016年就开源的PaddlePaddle要少。 效率方面，OneFlow的一类优势是“人有我优”，比如其他框架做数据并行得90分，他们进一步“挖油水”，做到接近100分；还有一类叫“人无我有”，其他框架基本只有深度定制才能支持超大模型，而OneFlow可以轻易做到。袁进辉给出了一组数据对比，显示其他框架在大规模模型训练效率上与OneFlow对比，有数量级的差距。 而在多卡的易用性上，OneFlow要比其他框架要好，但在支持动态图方面，袁进辉也坦承与PyTorch有差距，不过很快可以追上。 2017年1月，Pytorch正式推出，TensorFlow正如日中天。彼时，国内外除了一线大厂

　　2020 WAIC·开发者日将于今晚正式开始，入群一起观看陆奇对话Gary Marcus、开源开放开源开放Demo Day 2大环节。 　　 　　 60 位重磅嘉宾，图灵奖得主、院士、世界级技术专家与独角兽创始人倾情讲授，这是今年国内规模最大的开发者盛会。 　　 43 场演讲，涵盖深度学习、编程语言、开源框架、AI基础设施、企业级AI架构等热门主题，这是一场帮助开发者读懂理论前沿与应用的知识盛宴。 　　 9 大环节，包括1场主论坛、4场分论坛、1场高峰对话、1堂百度公开课、1场开源项目Demo Day，1场黑客马拉松，这是一次丰富多元的学习之旅。 　　 200 本人工智能领域专业书籍赠送，包括《统计学习方法》、《深度学习导论》、《大数据智能：数据驱动的自然语言处理技术》等15种书籍，这是一场专属于极客们的线上直播。 　　这是 2020 WAIC·开发者日 。 　　2020 WAIC·开发者日将于 7月10日-11日 在线上举办，这场由机器之心与上海交通大学人工智能研究院联合承办的开发者大会都有哪些精彩内容？ 　　全部日程如下： 　　 　　 来源： oschina 链接： https://my.oschina.net/u/4418764/blog/4355576

云栖号资讯：【 点击查看更多行业资讯 】 在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！ 新的AI技术发展趋势有哪些？多模态学习技术一定是其中之一。 最近，刚刚宣布“自立门户”的微软AI明星产品小冰改名为“红棉小冰”。殊不知2014年诞生的这一个AI对话机器人已经在5年时间里更新到了第七代了，据称能力上正在“无限接近人类”。现在的小冰，不仅是那个会作诗的机器人了，她还会唱歌作曲、阅读朗诵、撰写新闻，甚至去年还办了一个虚拟7位画家的个人画展。多模态识别技术正是小冰越来越像人一样沟通表达的关键之一。 多模态技术同样也在视频网站、电商物流、自动驾驶等领域得到广泛。像爱奇艺推出的“只看TA”功能，优酷视频正在使用的视频帧、人脸帧的图向量检索，都离不开多模态识别技术的支持。而像京东淘宝等电商平台的“拍照购”、“拍立淘”的搜索技术背后也都是在计算机视觉技术下，使用了图像、文本和高层语义属性等多模态下的信息融合，才实现高精度的“以图搜图”功能。百度提出的“多模态深度语义理解”，则让AI实现从“看清听清”到“看懂听懂”的进化。 可以说，人工智能在通向人的智能的道路上，多模态学习就是一个绕不开的发展方向。因为人类本身就是一个多模态学习的典范。 现在，多模态学习技术正在带来众多全新的应用场景。关注AI技术和应用发展趋势的你，想必也想了解下多模态学习的来龙去脉

阿里云ECS云服务器通用型g6和g5的区别以及选择建议 阿里云ECS云服务器通用型g6和通用型g5实例有什么区别?通用型g5和g6都是用于性能均衡场景，CPU内存比都是1:4，本文来说说通用型g6和通用型g5的区别以及选择方法：官方文档： 云服务器ECS共享标准型S6实例 ECS云服务器通用型g6和通用型g5有什么区别? 顾名思义，通用型g6是通用型g5的升级版，ECS云服务器通用型g6是第六代云服务器，性能全面提升的同时价格有所下调，如何选择?云E优站长博客建议选择通用型g6实例。 通用型g6云服务器是阿里云的第六代云服务器，第六代云服务器是基于第二代Intel至强可扩展处理器，睿频从上一代2.7Ghz提升到3.2Ghz，E2E计算性能有3-15%的提升;支持vnni指令集,对于深度学习的推理场景有2-4倍性能提升;虚拟化优化性能抖动，ping flood延时超过1ms的报文数<1/100万。 通用型g6和通用型g5区别对比表 综上，阿里云ECS云服务器通用型g6是通用型g5的升级版，性能有所提升，如何选择?新手站长网还是建议性价比放在第一位，虽然通用型g6是g5的升级版，但是通用型g5的性能也不差，如果通用型g5拥有更优惠的折扣，通用型g5也是可以选择的。 来源： oschina 链接： https://my.oschina.net/u/4324212/blog/4281351

优化算法集锦 梯度下降法 原理 可视化过程 系统实现 随机梯度下降法 原理 可视化过程 系统实现 小批量梯度下降法 原理 可视化过程 系统实现 动量法 提出原因 原理 指数加权平均 动量法原理 可视化过程 系统实现 AdaGrad 法 提出原因 原理 可视化过程 系统实现 RMSprop法 提出原因 原理 可视化过程 系统实现 Adadealt 法 提出原因 原理 可视化过程 系统实现 Adam 法 提出原因 原理 可视化过程 系统实现 小结 本文是对于深度学习中优化算法的解释与实现 首先需要明确：优化算法是为了尽可能低降低训练误差(Loss function)而不是泛化误差。 梯度下降法 原理 梯度下降法是深度学习值最常使用到的优化算法，也是后续算法的基石。下面以多维梯度下降法为例简述其原理： 假设对于损失函数 f ( x ) f(x) f ( x ) ,其输入 x = [ x 1 , x 2 , x 3 , . . . . . . , x n ] T x=[x_{1},x_{2},x_{3},......,x_{n} ]^{T} x = [ x 1 ​ , x 2 ​ , x 3 ​ , . . . . . . , x n ​ ] T 是一个n维向量，其输入为标量（即一个实数）。 则损失函数的梯度可表示为： ▽ f ( x ) = [ ∂ f ( x ) ∂ x 1 , ∂ f

云栖号资讯：【 点击查看更多行业资讯 】 在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！ 关于人工智能在当今科技界的发展水平，学术界、产业界和媒体界可能会有不同的看法。我经常听到的一个说法是：现在基于大数据与深度学习的人工智能是一种完全新颖的技术形态，它的出现能够全面地改变未来人类的社会形态，因为它能够自主进行“学习”，由此大量取代人类劳力。 我认为这里有两个误解：第一，深度学习并不是新技术；第二，深度学习技术所涉及的“学习”与人类的学习并不是一回事，因为它不能真正“深度”地理解它所面对的信息。 深度学习不是新技术 从技术史角度看，深度学习技术的前身，其实就是在20世纪80年代就已经热闹过一阵子的“人工神经元网络”技术（也叫“连接主义”技术）。 该技术的实质，是用数学建模的办法建造出一个简易的人工神经元网络结构，而一个典型的此类结构一般包括三层:输入单元层、中间单元层与输出单元层。输入单元层从外界获得信息之后，根据每个单元内置的汇聚算法与激发函数，“决定”是否要向中间单元层发送进一步的数据信息，其过程正如人类神经元在接收别的神经元送来的电脉冲之后，能根据自身细胞核内电势位的变化来“决定”是否要向另外的神经元递送电脉冲。 需要注意的是，无论整个系统所执行的整体任务是关于图像识别还是自然语言处理，仅仅从系统中单个计算单元自身的运作状态出发

云栖号资讯：【 点击查看更多行业资讯 】 在这里您可以找到不同行业的第一手的上云资讯，还在等什么，快来！ 简介： 胡逢法作为阿里云 MVP，是一名经验丰富的人工智能领域研究专家，谦虚诚恳、精力充沛。在智能图像视频分析、智能交通等诸多领域研发深有建树，拥有发明专利十余项，希望他的看法能给大家带来启发。 以下是胡逢法的专访，推荐阅读（约5分钟）。 思考点燃理想，尝试成就结果 初中时，学校附近有个工厂，课余时间经常跑到那里去看工人干活，看到很多场景觉得比较好玩，比如工人在做产品质量检查，当时都是用肉眼去看的，我当时想，这类工作得一个个用人去看去记录，要是用机器自动去完成该多好，那时我对自动化及视觉设备这一块应该已经萌生了兴趣。读研的时候，我发现图像处理这些研究很有实际应用价值，例如机器替代人工去做很多繁琐且辛苦的事情可以缓解很多工人的压力等。所以我的学习和工作也一直在做这些方面研究，我逐渐地把自己的想法，通过结合各个模块的知识添加到系统里的方式来实现很多功能。 以前我是做算法类的，只要把某个功能点写好即可。智慧园区的一个项目需要我从技术和业务两个角度考虑问题，不同的视角不断碰撞，于是产生新的点子。在这个过程中有很多知识和技术可以更好地结合利用起来，做出的效果令人很有成就感，对个人的经验和能力来说都有很大提升。 负重前行，每一次转折都弥足珍贵 我的职业生涯有几次较大转折