深度学习

地处长江入海口，位置得天独厚的上海，多年以来一直以“东方明珠”闻名于世。 然而近年来随着人工智能产业的快速发展，上海这颗东方明珠也开始成为众多AI企业的兵家必争之地。 AI群雄逐鹿的东方明珠 在互联网时代，以BAT（百度、阿里巴巴、腾讯）三巨头为代表的互联网企业飞速崛起，北京、杭州、深圳等城市也充分享受到了互联网大潮带来的种种红利。 然而由于种种原因，上海错失了互联网崛起的发展机遇。因此当人工智能大潮开始席卷全球，十九大报告也提出加快人工智能与实体经济的深度融合，上海便开始为推动人工智能产业发展而倾尽全力。 2017年11月14日，上海推动新一代人工智能发展实施意见正式出台，提出全面实施“智能上海（AI@SH）”行动，计划到2020年，实现上海成为国家人工智能发展高地的总体目标。 在上海相关政策的扶持和培育下，再加上本地发达的资本市场、雄厚的工商业基础、良好的企业孵化环境、丰富的高校和人才资源，短短数年间，一大批AI创业公司开始像雨后春笋般在上海崛起。语音语义识别、智能制造、智能机器人、自动驾驶、脑科学与类脑智能、风控安全、智能网联汽车……覆盖各种行业领域和应用场景的AI企业如今已在上海遍地开花。 2018年9月，首届WAIC世界人工智能大会在上海盛大召开，这也凸显了上海在中国人工智能领域的重要地位。 近日，2019世界人工智能大会在上海落下帷幕。在大会闭幕式上，上海市委副书记

　　随着AI技术的第三次崛起，我们迎来了人工智能的时代。在深度学习不断突破和发展的形势下，人工智能在许多领域都有了不同程度的应用随之而来的是人工智能相关人才的紧缺。如今，人工智能工程师已然成为了人人追捧的香饽饽。那么，人工智能工程师一般需要学什么呢? Python基础、数据科学库、机器学习、深度学习、自然语言处理、数据挖掘以及图像处理这些知识点一个都不能少。 　　1、编程语言 　　众所周知，Python是人工智能的首选语言，因此人工智能工程师一定要掌握 Python基础。比如说Python环境配置、数值运算、字符串操作、数据结构、判断结构、循环结构以及模块与包等等基础语言，而且必须熟练掌握。当然熟练掌握的意思不是看过一遍理论基础就行，还要懂得实践和应用。因此，在学习 Python基础语法的时候就要多敲敲代码，做做相应的练习。 　　2、数据科学库 　　科学计算库的学习内容包括Numpy概述、Array数组、数组结构、数组类型、数值运算、排序操作、数组形状操作、数组生成函数、常用生成函数等等。除此之外，数据科学库还涉及数据分析处理库、可视化库Matplotlib和可视化库Seaborn。 　　3、人工智能核心技术 　　说到人工智能，就不得不提机器学习、深度学习、自然语言处理等核心技术和实现原理。机器学习有各种算法需要学习，比如线性回归算法、逻辑回归算法、决策树贝叶斯算法

前言 最近准备开始认真的梳理一下目标检测的相关算法，组合成一个目标检测算法系列。之前看到了一张特别好的目标检测算法分类的甘特图，但忘记是哪里的了，要是原始出处请提醒我标注。 我也会按照这个图来讲解目标检测算法。 背景介绍 什么是目标检测 所谓目标检测就是在一张图像中找到我们关注的目标，并确定它的类别和位置，这是计算机视觉领域最核心的问题之一。由于各类目标不同的外观，颜色，大小以及在成像时光照，遮挡等具有挑战性的问题，目标检测一直处于不断的优化和研究中。 目标检测算法分类 上面那张甘特图已经说明了目标检测算法主要分为两类，即： Two Stage目标检测算法。这类算法都是先进行区域候选框生成，就是找到一个可能包含物体的预选框，再通过卷积神经网络进行分类和回归修正，常见算法有R-CNN，SPP-Net，Fast-RCNN，Faster-RCNN和R-FCN等。 One Stage目标检测算法。这类算法不使用候选框生成，直接在网络中提取特征来预测物体的分类和位置。常见的One-Stage算法有：YOLO系列，SSD，RetinaNet。 RCNN算法 贡献 RCNN是第一个使用卷积神经网络来对目标候选框提取特征的目标检测算法。同时，RCNN使用了微调(finetune)的技术，使用大数据集上训练好的分类模型的前几层做backbone，进行更有效的特征提取。 RCNN总览 看下图： 首先

来百度NLP-文心(ERNIE)团队做 最强 的预训练，发 最好 的 paper，支持 最核心 的业务（搜索、广告），做三项全能的 NLP 弄潮儿。 我们是负责百度NLP语义理解技术与平台文心(ERNIE) 研发团队。 ERNIE 致力于预训练语义理解技术研发与应用，提升NLP任务效果，深度支持百度核心业务线。 近一年来，文心（ ERNIE ）取得多项荣誉： 2019年12月，我们首次突破 90 分大关登顶通用语言理解评估基准GLUE； 2020年1月，我们提出的预训练语言生成技术 ERNIE -GEN 在多个语言生成任务取得 SOTA； 2020年3月，我们在 SemEval-2020 上取得了5项世界冠军； 2020年7月，我们提出的多模态语义理解技术 ERNIE -ViL登顶视觉常识推理权威榜单VCR； 2020年7月9日，我们荣获2020世界人工智能大会最高奖。 在这里，你可以利用中国自主研发的 飞桨 （ PaddlePaddle ）深度学习平台，进行高效的多机多卡训练，千亿级别的数据等待你的挖掘。这里有良好的团队氛围和资深、耐心的指导人带你探索新一代NLP技术。在这里，我们在使用业界领先的预训练语言理解技术提升真实工业场景的应用效果。 现在，我们在招人。 欢迎应届毕业 1~2 年的同学(社招)投递简历 (校招同学也可以转简历喔)， base 北京 。 工作职责

　　书名：失控 　　作者：凯文·凯利 　　来源：长清图书馆 　　阅读用时：176天 　　正文： 之前在网上看到张经理推荐这本书，然后就借了，拿到手时候还惊叹“这本比《逻辑学》还厚呢”，但还是硬着头皮看完了。本文虽说叫读后感，但大部分都是对原文的摘录，觉得有用的一些句子都抄下来了。 这本书讲的是自然和机器的运行之道，向前追溯到了宇宙大爆炸之后的混沌状态，向后写到了目前流行的并行计算和一些先进的机器学习算法，其实书里面有些内容已经涉及到现在如火如荼的深度学习了，但是本书写于1994年。不得不说这本书的确很好，对复杂系统和自组织系统的设计研发有重要指导意义。而我一直想研究的是人的自主意识、认知和记忆的形成与运行方式，所以这本书的内容给了我很大启发，感谢作者的创作和译者的工作，这群译者也是一群有趣的人。 原文摘录： 1、这些过往经历的主人把它们当作是零碎的半记忆片段，带有生硬的“拼凑”色彩，漫无目的的飘荡， 2、记忆在某种程度上是与时间和空间捆绑在一起的，而与时间和空间捆绑在一起则正是真是的一种定义， 3、记忆必须以某种方式进行组织，以尽可能容纳超过其存储空间的想法， 4、他不可能有一个架子来存放过去所有的念头，也无法为将来可能出现的每一个想法预留位置， 5、脑海重现经历，实际上对其重新进行了组合，并且每次回忆起来都会重新组合， 6、相关联；特征映像；其所具备的一般性质， 7

诞生12年后，双11仍然续写答卷，也留下了问卷：当购物峰值不再是最大挑战，下一代技术创新，将会出现在哪里？ “好的创新是在高压的场景下产生的，‘双11’创造了一个个高压的场景，让最前沿的技术和最前沿的商业模式，能够产生高速的碰撞。”昨晚，阿里巴巴集团首席技术官程立的双11收官阶段演讲时说，双11的技术挑战将进入新的历史阶段。 今年的双11史上跨度最长，加上新冠疫情背景，有2000多个产业带、30万个外贸工厂和3万多个海外品牌的加入——当有机会将4000万新商品，推向8亿以上消费者时，每一个关键环节，都有诞生新一代技术的可能性。 图：阿里巴巴集团CTO程立在双11当晚的演讲 相比程立这样“12年全程参与的工程师”，人们并不能即刻感知技术工程的全部价值，许多项目刚开始设计时，说穿了是为消费者和商家节省几分钟、几块钱；从社会成本上，需要把一个峰值，在时间或空间上烫平；最终，还是回到如何让每一个订单稳定、高效的达成。 就像程立所说的，今年双11，在新品研发、生产制造、用户触达、供应链、物流配送等环节，技术和商业的共振产生了大量创新。而它们的最终方向是让“商业要素在线化、数字化，在这个基础上，构成一个真正数字化的商业网络”。 也因为时间窗口最长，这次双11也让我们从更长的产业链条上，预测一下未来还会有的新东西： C2M技术会替代“电商”，就像云计算替代传统IT C2M（用户直连制造

最近开始看一些object detection的文章，顺便整理一下思路。排版比较乱，而且几乎所有图片都是应用的博客或论文，如有侵权请联系我。 文章阅读路线参考 目前已完成的文章如下，后续还会继续补充（ 其中加粗的为精读文章 ）： RCNN Overfeat MR-CNN SPPNet Fast RCNN A Fast RCNN Faster RCNN FPN R-FCN Mask RCNN YOLO YOLO 9000 YOLO v3 SSD DSSD R-SSD RetinaNet（focal loss） DSOD Cascade R-CNN （待续） 吐槽一下，博客园的markdown竟然没有补齐功能，我还是先在本地补全再传上来吧。。。 RCNN之前的故事 Histogram of Gradient (HOG) 特征 在深度学习应用之前，图像的特征是人工定义的具有鲁棒性的特征，如SIFT，HOG等，下面简要介绍一下HOG。 8x8像素框内计算方向梯度直方图： HOG Pyramid 特征金字塔，对于不同大小的物体进行适应，设计尺度不变性特征 HOG特征 -> SVM分类 DPM模型 Deformable Part Model 加组件组合的HOG特征， 组件间计算弹性得分，优化可变形参数 如果没有弹性距离，就是BoW (Bag of Word)模型， 问题很大， 位置全部丢失:

欢迎大家前往 腾讯云+社区 ，获取更多腾讯海量技术实践干货哦~ 是的，你没有看错。腾讯智造，新一代云数据库CynosDB，“C”位出道了！ CynosDB是腾讯云自研的新一代高性能高可用的企业级分布式云数据库。融合了传统数据库、云计算与新硬件的优势，100%兼容开源数据库，百万级QPS的高吞吐，不限存储，价格仅为商用数据库的1/10。面向通用硬件的极致优化，打破安迪-比尔定律，释放硬件红利！ Cynos源于拉丁语中的Cynosura，古希腊神话中的北极星，意为焦点，引人注目的人或物。CynosDB作为腾讯云自研的新一代高性能高可用的企业级分布式云数据库，无论在地位还是能力上，都是天生的“Center”位。 由云重新定义数据库 数据库从来不缺少明星产品，正如业内引以为常的DB-Engines Ranking网站，从诞生的第一天起就以Popularity作为排名标准，开启了一场点赞通道从未关闭的技术选秀。出乎意料的是，2014年Amazon AWS发布云数据库Aurora开始正式进军每年400亿美金的数据库市场。 随后，Amazon AWS 首次成功被列入Gartner数据库领导者（Leaders）厂商阵营，Aurora的Popularity分数以每年100%的速度飞速增长，同时越来越多的云厂商的数据库开始在行业内和学术界涌现,由云重新定义数据库的时代已经到来

编者按： 届时也请大家关注我们的“AI科技女性专题”，还有精彩的AI TIME论道，6月智源大会见！ 长按上图或点击「阅读原文」免费注册参会 2020年，是一个十年的结束，也是下一个十年的开始。 过去十年，人工智能在深度学习算法、大规模算力和新型芯片、互联网收集的海量数据等因素的共同驱动下，经历了波澜壮阔的迅速发展，开始深刻改变我们生活、学习和工作的方方面面。 未来十年，人工智能将如何发展，如何影响整个社会？这将是一项复杂的系统工程——如何构建多学科开放协同的创新体系，如何推进人工智能与经济社会发展深度融合，如何建立人工智能安全可控的治理体系，如何与各国携手开展重大共性挑战的研究与合作？这些问题都亟须全球学术和产业界有识之士共同探索。 2020年6月21-24日 ， 第二届 北京智源大会 （ 官网：https://2020.baai.ac.cn ）将邀请 包括6位图灵奖获得者、10多院士在内的上百位人工智能领袖 ，回顾过去，展望未来，深入系统探讨“ 人工智能的下一个十年 ”。 01 口碑盛会，内行人的视角 2019年，首届北京智源大会定位 “真正内行的AI盛会”，向世界展示了北京人工智能开放、活跃、重视可持续发展的面貌。 2020北京智源大会继续关注国际性、权威性和专业性，以营造学术氛围，促进国际交流与合作，打造世界人工智能学术高地

近日，阿里云异构计算宣布上线gn7 GPU系列云服务器，即日起开放售卖。gn7系列实例是阿里云新一代GPU计算实例，主要面向AI训练和高性能计算应用。该产品基于NVIDIA A100 Tensor Core GPU打造，云服务器中的8块A100 GPU以NVIDIA NVSwitch实现了GPU之间的NVLink直接通信。 结合最新支持的Tensor Core加速能力，阿里云gn7云服务器最高可让AI最佳性能提升20倍，高性能计算速度提升2.5倍，单卡最高支持19.5TFlops（FP64）、156TFlops （TF32）、312 TFlops（FP16 混合精度）的运算。对于大模型训练的场景，阿里云自研的神龙AI加速引擎AIACC可以通过优化多GPU训练通信效率，进一步提升多GPU和多机并行训练的加速比，为AI研发过程节省更多的时间和成本。 第一批上线的产品为效率最高的阿里云神龙裸金属实例ebmgn7, 用户可直接获得一台完整的配置有Intel 2代Xeon Scalable 52核CPU、768G系统内存和由 NVSwitch互联的8颗A100 的GPU服务器主机。 随着人工智能的不断发展，深度学习的训练模型越来越庞大和复杂，训练模型需要的算力也在快速增长。针对AI训练和高性能计算的算力需求，NVIDIA于今年5月推出了 A100 GPU。NVIDIA A100