深度学习

全球物联网、5G、人工智能、无人驾驶、虚拟现实、深度学习等技术研发和产业化快速提升，掀起数字化网络化智能化新一轮的浪潮。与此同时，智慧城市全面实施进程不断加速，全面实施内容不断深入，其创新发展理念、持续推进模式和技术体系不断更新和演变，构建虚拟服务实际、数据驱动治理、智能定义一切的数字孪生城市将变成智慧城市的主要趋势。 一、数字孪生城市的构建条件日渐完善 1、信息通信技术（ICT）在城市中成熟运用 近些年来，云计算平台已经变成城市主要基础设施，政府部门、公司企业乃至个人广泛性运用；大数据变成城市主要资产、战略资源，依托于大数据分析的智能决策运用不断涌现而出；物联网促进万物互联变成实际，广泛运用于城市治理领域的感知监测、数据采集等；（移动）互联网变成群众获取城市生活服务的主要优先渠道，也是拓展服务的主要方式；依托于深度学习的人工智能运用可精准预测城市问题，很大程度上提升民众体验。 2、数字孪生（DT）技术向城市广泛性渗入 数字孪生技术最初起源于工业领域，特别是在飞机、火车发动机等高端制造领域，对产品、生产流水线和工艺流程等进行数字化仿真、实时跟踪，产品研发周期大幅度缩减，生产成本大幅度下降，产生多设备互联、协同和优化的建设模式。目前，数字孪生技术已逐渐向建筑工程、医疗服务、城市管理等领域渗入，依托于BIM模型完成建筑的龙骨、结构以及风水电等设计，完成建筑各种资源的优化

他是“图灵奖”创立以来首位获奖的亚裔学者，也是迄今为止获此殊荣的唯一华裔计算机科学家。2004年从普林斯顿辞去终身教职回到清华任教。2005年，他为清华本科生创立了计算机科学实验班“姚班”。如今，在中国乃至全球计算机的科学领域都已经独树一帜。他就是姚期智。 2019年姚期智没有止步，选择了重新再出发。他为清华的本科生创立了人工智能学堂班。2004到2019年已经15年过去了，15年来姚期智经历了怎样的心路历程？从“姚班”到“智班”，中国顶尖计算机培养的布局是如何展开？今天下午4点，清华大学交叉信息研究院院长、人工智能学堂班首席教授姚期智作客人民日报“大咖有话”直播节目，现场解答人工智能的中国答案！ 点击文末“阅读原文”，可以回看直播 “ 主持人：我的脑海中有关您的画面，其实是比较统一的风格，都是您跟学生在一起，您站在硕大的黑板前面，您的笑脸、学生们的笑脸、大家开心的样子。您和学生在一起的时候是非常享受的，不知道我的猜测对不对？ 姚期智：您说的一点没错，这是非常自然的事情。因为我一直在学术界工作，作为一个科学家，最重要的是能够保持年轻人的心境，能够像年轻的时候那样的好奇、对知识渴望。和学生在一起是每一个科学家的梦想，因为我们希望自己还有所有的科学家都能够向这些年轻的学生一样，永远有无止境的好奇心。 ” “ 主持人：我也采访过您的一些学生，学生们说起您的时候总是特别地感恩

华为开发者大会2020（Together）期间， HMS Core 5.0 作为大会的重点之一，广受开发者关注。HMS Core 5.0 包含 50多项能力，上万个场景化API，全面开放了软硬件能力和云端能力，在 App Services 、 Media 、 Graphics 、 Smart Device 、 Security 、 AI 、 System 等7大领域帮助开发者实现应用高效开发、快速增长、商业变现，全面助力开发者应用创新，为全球用户提供精品内容、服务及体验。 媒体 领域 (Media) 更是 将华为基于音乐、视频、主题等多年积累的应用能力持续面向开发者开放，HMS Core 5.0 版本通过基于chinaDRM打造的WisePlay DRM帮助开发者构建自主的数字版权保护生态 。 在大会分论坛上，华为分享了媒体技术发展趋势以及HMS Core 5.0在媒体领域 (Media) 的开放能力，助力开发者快速进行多媒体应用创新，为用户带来更优质的媒体使用体验。 技术变革推动媒体生态完善 HMS Core助力媒体紧跟时代步伐 经过长期的发展，媒体内容的形式已经从语义信息的文字，发展到2D图片，后来又到增加了时间维度的视频和3D视频。现如今，多元化的媒体体验已经融入用户日常生活，传统长视频业务、新兴的短视频、直播业务以及周边的音频、图片

时隔三年，英伟达最强芯片 Tesla V100 终于有了继任者，那就是在2020年5月14日, NVIDIA发布的最新 GPU A100 。 GPU A100不仅能实现 1-50 倍的扩展 ，还让其 吞吐性能翻倍 。而其吞吐性能提升的主要功臣是其架构中搭载的第三代Tensor Core单元。 Tensor Core是怎么做到这些的？如何在现有的函数库与Kernel中使用Tensor Core？有没有落地实践案例可以做参考呢？如果你想了解更多关于Tensor Core的信息， 那么这个分享绝对不能错过！ 英伟达即将在 2020年 8月26 日 20：00-21：30 进行“ 看搭载了第三代Tensor Core的A100如何实现了吞吐性能翻倍 ”的直播分享，直播主要内容如下： 直播介绍: 2020年5月14日, NVIDIA发布了最新的GPU架构:安培, 以及基于安培架构最新的GPU A100. 在安培架构中新增了功能强大的第三代Tensor Core单元。 相较于V100, A100上搭载的第三代Tensor Core增加了对DL和HPC数据类型的全面支持, 提高了各精度的运算吞吐能力,同时新增稀疏运算特性,进一步实现了吞吐性能翻倍。 第三代Tensor Core新特性如下: 新增了Tensor Float-32(TF32)数据类型操作,提供了对FP32数据的加速能力

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录 前言 一、cnn实现minist代码 二、多层感知器实现minist代码 三、逻辑回归实现minist代码 总结 前言 minist数字识别，是深度学习入门数据集。这里使用了三种方式来实现对minist数字分类。分别是逻辑回归，多层感知机，以及我们熟悉的cnn(卷积神经网络)。这里是基于tensorflow来实现的代码，很好入门。 一、cnn实现minist代码 import time import tensorflow as tf import numpy as np from matplotlib import pyplot as plt import numpy as np from tensorflow . examples . tutorials . mnist import input_data mnist = input_data . read_data_sets ( 'Minist_data' , one_hot = True ) #参数初始化 input_num = 784 # 输入的列数 labels = 10 #输出的列数 batchsize = 128 #训练集每一批次的照片 max_epochs = 1000 #迭代的次数 dropout = 0.85 #这里设置的x ,

中小企业行业内部的竞争日趋激烈,交货周期、产品报价以及对产品质量的管控都是企业能否从同类型企业中脱颖而出的关键点。为了提高企业的竞争力，推动企业内部转型，众多中小企业选择购买云ERP系统对企业进行信息化管理。 云ERP如何助力企业管理 在云环境下，ERP套件被解耦为单一可结合的组模块，用户可以通过购买相应的云服务配置来对这些模块进行访问和应用，从而实现中小企业定制化ERP系统的需求。 财务模块 云ERP系统将业务数据与财务数据相整合，使企业能够简单而有效地追踪财务资金的走向，优化现金流。系统自动化计算财务数据，加速了应收账款的收款进程。 生产模块 云ERP系统对企业生产订单进行全生产过程的管理，从前期生产计划制定到排产，中期生产领料与工艺制造，以及后期成品完成与质量检验。管理订单交货周期，提高生产效率。 供应链模块 云ERP系统通过有效的供应链管理协助企业适应多变的外部市场，优化物料的需求和供应计划，选择合适的供应商并根据实际生产订单和生产物料库存情况按需采购。 销售模块 云ERP系统可以协助企业市场部门更好地开展市场营销的相关事项，对产品的市场开发、销售线索生产等工作提供智能化的数据预测，监控销售和服务交易，以及时作出反应。 ERP上云的好处有哪些 • 将离线数据迁移到云端，企业用户能够更方便地读取并访问业务数据。 • 云ERP系统的即时性使得企业可以快速对新机会做出反应

　　学习人工智能除了要构建自己的基础知识框架以外，还要注重实战项目的练习，这样才能达到灵活掌握人工智能技术的目的。因此，大家在选择人工智能培训机构的时候，一定要考察培训课程中有没有实战项目。以博学谷的人工智能培训课程为例，下面一起来看看相关的实战项目内容。 　　实战项目一：人脸识别打卡 　　随着人工智能时代的到来，各大厂纷纷投入大量的人力物力进军人工智能领域。学习掌握大厂AI技术，可以使我们更快捷的实现业务场景智能化。本次人工智能培训主要介绍了百度AI的三大平台：机器学习平台、深度学习平台、人工智能平台，并对人工智能平台包含的三大主流技术：图像、语音、自然语言处理进行了深入讲解，最后以“人脸识别打卡”案例，详细讲解了项目架构设计和开发流程。学完本课程，不仅可以掌握图像、语音和自然语言处理API的使用，而且可以利用API实现具体应用的开发。 　　实战项目二：商品物体检测 　　物体检测是计算机视觉中最常见应用之一，有极为广泛的用途。本课程从目标检测算法出发，对各个算法进行了全面细致的讲解，然后讲解了数据集标记与处理的相关内容，最后以一个实战项目“商品物体检测”为例，讲解了整个项目的架构设计，以及整个项目的开发流程。学完本课程不仅可以掌握目标检测算法的原理、模型训练工具的使用，而且可以掌握利用TensorFlow Serving完成模型部署以及客户端编写能力。 　　实战项目三：AI游戏

作者 | 郑丽媛 责编 | 屠敏 出品 | CSDN（ID：CSDNnews） 互联网是有记忆的。 从混沌初开到万物互联 ， 从 「 程序 英雄 」 到 「 平台诸 侯 」，中国计算机到互联网的发展历经 60 个春秋，整个商业社会的形态已被重置，生态格局已然形成。 忆往昔， 过去 60 年间 ，也是这份创新缔造者、 中国程序员快意恩仇的江湖时 代 ，他们以代码为剑 ，热血如沸， 不同时代的技术人共同为中国计算机产业而奋斗，成就了如今中国互联网。 而在这高手如林的互联网之中，诞生了无数程序员，正如： 他， 耕耘中国计算机产业 60 载， 参与研制中国自行设计的第一台电子管计算机（119 机），20 世纪六、七十 年代开展汉字处理和字符识别研究，首创在汉字输入中应用联想功能。他就是中国 工程院院士—— 倪光南。 他， 虽已退出江湖，但在江湖上一直 有着 他的传说，他是有着“ 中国 第一 程序员”之称的 求伯君 ，也是金山软件创始人、WPS 创始人。 他， 华为消费者BG（CBG，Consumer Business Group）软件部总裁 王成 录 ，负责 CBG 软件的战略、规划、研发、集成交付和生命 周期管理。 他， 美国佐治亚理工学院博士毕业后在谷歌内核组工作，主要创立和领导了 gVisor 项目。 目前任蚂蚁集团研究员，可信原生技术部负责人的 何征宇 。 他，SequoiaDB

点击上方“ 3D视觉工坊 ”，选择“星标” 干货第一时间送达 https://www.zhihu.com/question/50973300/answer/630770714 本文仅作为学术分享，如果有侵权，会删文处理 作者：查尔斯沃思论文润色 https://www.zhihu.com/question/50973300/answer/737010046 篇幅有限，单就如何阅读文献谈一谈，从“过来人”身上汲取经验！ 先寄出滑铁卢大学教授S. Keshav经典的阅读论文“三步法”值得收藏！ 来自滑铁卢大学教授S. Keshav的论文《How to Read a Paper》中提出的阅读学术论文的三步法是人们比较认可的阅读技巧。图为该论文信息 虽然这篇文章在2007年便发表了，有些作者也许还阅读过，不过，正如S. Keshav在该文开篇所说的那样，无论是审稿人还是研究生、博士生在面对每年需花费几百个小时去阅读论文的现实情况，学习有效阅读论文的技巧非常重要。因篇幅有限，小编将归纳出S. Keshav三步法阅读论文的精华部分，会在文末放上英文原版论文下载链接，供作者深入阅读。 S. Keshav看起来比较低调在其主页上只有自画像 三步法也可说是三个阶段， 拿到一篇文章，我们该如何入手呢？S. Keshav告诉我们只需三步阅读全文，每一步都有其目标。大抵是，第一步要弄清论文的大概思路

文章 1 Generative and Discriminative Text Classification with Recurrent Neural Networks 时间： 2017 机构：Google DeepMind 生成模型： generative 判别模型： discrimination 作者支持生成模型比判别模型具有更加优异的性能，经过生成模型和判别模型的建模给出结论。 判别模型使用 LSTM 的变体（增加了 peephole 到每一个门上，则每一个门都会受到上一节点的 cell 的影响），当给定了文本类别标签后最大化条件概率： P （ y|x;W,V ） 生成模型是基于类的语言模型，命名为共享 LSTM ，通过类别 class 来共享参数，包括：词向量矩阵 V ， LSTM 参数 W ， softmax 参数 U 。新颖之处，这样会产生一个条件模型，这个模型可以通过给定标签的词向量来共享参数；而在传统的生成模型中，每一个标签都有一个独立的 LM 。 文中的生成模型和判别模型具有很多相似性，不同的是体现在训练的过程中，生成模型要最大化联合概率： 实验： 数据集：来源：http://goo.gl/JyCnZq ，资源包括： 新闻分类，情感分析， Wikipedia 文章分类，问答文本 数据列表： 基线 model ： Na¨ıve Bayes classifier