深度学习

来源：文章转载自期刊《微纳电子与智能制造》，作者：陈 佳，潘文谦，秦一凡，王 峰，李灏阳，李 祎，缪向水。 摘 要 基于忆阻突触器件的硬件神经网络是神经形态计算的重要发展方向，是后摩尔时代突破传统冯·诺依曼计算架构的有力技术候选。综述了国内外忆阻硬件神经网络的近期发展现状，从器件发展和神经网络两个方面，详细阐述了忆阻器这一新兴信息器件在神经形态计算中所发挥的角色作用，讨论了依然存在的关键问题和技术挑战。忆阻器为实现存算一体化架构和超越摩尔定律提供了技术障碍突破的可行方案。 引 言 在当今数据量爆炸式增长的背景下，传统计算架构遭遇冯·诺依曼瓶颈，晶体管微缩，摩尔定律已难以延续，这已成为继续提升计算系统性能过程中难以克服的技术障碍[1-4]。神经形态计算概念的提出无疑是可以实现技术突破的一大曙光，人脑信息处理系统的复杂程度是最先进的超级计算机也无法媲美的。在已报道的神经形态计算架构芯片中，其计算能力显著提高，并且体积和能耗远小得多。因此，神经形态计算架构的发展在软件和硬件领域都被极度重视，有望替换当前计算系统架构。 而在众多用于实现神经形态计算的硬件元件中，忆阻器以其高集成度、低功耗、可模拟突触可塑性等特点成为一大有力备选。忆阻器早在1971年就由蔡少棠教授[5]以第4种无源基本电路元件的概念提出，2008年由惠普实验室首次在 Pt/TiO2/Pt三明治叠层结构中通过实验验证[6]

　　 「智能时代的操作系统」飞桨和自研 AI 处理器百度昆仑都已就位，产业智能化时代正在到来。 　　 　　在刚刚开幕的百度世界大会上，总台央视主持人康辉和年轻 20 岁版的自己对话，成为了人们喜闻乐见的话题。 　　 　　这个虚拟版康辉同样「立志成为新闻播音员」。 　　之所以说是年轻 20 岁的康辉，是因为「他」是基于几十年前康辉的新闻播报视频数据生成的。与我们此前见过的一些类似技术相比，今天亮相的「康辉」，是一款具备认知能力的终端虚拟人，甚至可以进行机器——机器对话。 　　除了更会思考，全新的虚拟人技术还有另一个突破：他们的生成和展示的门槛已经大大降低，可以在普通手机上流畅运行。像这样帅气、聪明又会思考的虚拟人，背后整合了视觉、语音、语言与知识等多种模态的 AI 技术。这些技术是由升级后的百度大脑 6.0 提供的。 　　百度大脑是百度技术多年积累和业务实践的集大成，其中包括视觉、语音、自然语言处理、知识图谱、深度学习、人工智能安全等 AI 核心技术和 AI 开放平台，对内支持了百度所有业务，对外也是全方位开放。 　　从技术到硬件，从场景到应用，百度大脑作为软硬一体 AI 大生产平台，有效地降低了各行业应用 AI 技术的门槛。截至目前，百度大脑共计开放了 273 项 AI 能力，吸引到 230 万开发者，创建超过 31 万模型，并已培养出 100 万人工智能领域的从业者

点击上方“3D视觉工坊”，选择“星标” 干货第一时间送达 作者丨robot L@知乎 来源丨https://zhuanlan.zhihu.com/p/153394930 本文介绍IROS2020的一篇文章： T. Shan, B. Englot, D. Meyers, W. Wang, C. Ratti, D. Rus. LIO-SAM: Tightly-coupled Lidar Inertial Odometry via Smoothing and Mapping, IEEE/RSJ International Conference on Intelligent Robots and Systems , 2020. 附上作者Tixiao Shan上传到Youtube的视频： 原视频地址：youtube.com/watch?。 作者Tixiao Shan在2018年发表过LeGO-LOAM，当时他还在史蒂文斯理工学院读博士，19年毕业之后去了MIT做助理研究员（羡慕.jpg）。。。这篇文章LIO-SAM实际上是LeGO-LOAM的扩展版本，添加了IMU预积分因子和GPS因子，去除了帧帧匹配部分，然后更详细地描述了LeGO-LOAM帧图匹配部分的设计动机和细节。 代码已开源，传送门：TixiaoShan/LIO-SAM（https://github.com/TixiaoShan

程序员欢乐送（第10期） 收录于话题 #程序员欢乐送 59个 对于我来说，我一直保持的追求有三点：技术、快乐、财富。因此，从此三点出发，记录过去一周，我所看到的，值得分享的内容，每周五把欢乐送达。 由于微信不允许外部链接，你需要点击页尾左下角的“阅读原文”，才能访问文章的链接，文中的所有链接已使用蓝色字体标记。 「 技术 Technology 」 1、AI肖像生成 一位来自 Uber 的软件工程师Philip Wang利用英伟达去年发布的StyleGAN研究成果创作了源源不断的假人物头像。每次你刷新这个网站，网络就会从头开始生成新的人脸图像。 以下这些异常逼真的肖像都是算法生成的，并不是真实的人。 体验地址：点击查看 StyleGAN项目地址在《程序员欢乐送（第9期）》中推送过，可以去上篇推送中查看。 2、Remove.bg一键抠图 现在，抠图已经不再是专业设计师才会的技能，其应用的技术图像分割也不是一个新课题了，很早之前就有很多研究成果出现，按照是否使用深度学习的方法可分成传统方法（Blue Screen Matting、Poisson Matting、Bayes Matting、Closed form Matting 与 KNN Matting 等）和基于深度学习的方法（CNN、FCN 和 UNet）等，而深度学习方法的发展也大大提高了抠图的精度。

上线245天，腾讯会议用户数突破1亿，成为最快超过1亿用户的视频会议产品。 在今天举办的腾讯会议2020年全线升级发布会上，腾讯会议不仅公布了最新用户数据，还重磅发布企业版、会议室连接器以及智能会议室解决方案“腾讯会议Rooms”， 从根源上解决企业会议组织难、效率低、管理难等问题，帮助企业降低运营成本和沉淀数据资产，为企业级用户打造安全、高效、专属的会议能力。 最高支持2000人同时在线，为企业级用户打造专属会议能力 作为中国目前最多人使用的专业视频会议产品，腾讯会议已深度服务于政务、金融、教育、医疗等行业和中小企业在线办公。 为了满足企业的大型开会需求，腾讯会议企业版最高支持2000人同时在线，把过去需要一个体育馆才能容纳的会议直接搬到云端，排期、场地、座位编排等问题也迎刃而解，即便员工分散全球各地也可以实现跨地域无缝协作，让大企业拥有小团队的灵敏。 同时，腾讯会议企业版通过对接企业通讯录，提供了专属的会议邀约模式，互动批注、同声传译、自定义会议布局、场外会管会控助手以及可视化会议控制台等功能，覆盖了会前、会中、会后全场景协同服务，不仅提升了会议效率，也方便企业实时掌握会议数量、时长等情况，对公司数据资产进行管理和沉淀。 “春节期间疫情的爆发，让各行各业认识到，建立适应企业长期发展的数字化组织，已经成为必然趋势。组织的数字化，将大幅提升企业效率和可持续竞争力”，

hi各位好，早啊，之前有接触过 一些redis ，但没深入。 这里学习些基本的命令操作也好。 由于 youtube 用到的是key-list形式的存储格式，所以还是针对性的学习。 For Video Recommendation in Deep learning QQ Group 277356808 视频推荐深度学习加这个群 For Visual in deep learning QQ Group 629530787 视觉深度学习加这个，别加错 I'm here waiting for you 别加那么多，没必要 0-注意，虽说不区分大小写，但要统一，不要大小写都有，乱用。 1-获取所有的keys 注：进行完下面的步骤才进行的这个 匹配所有以xmtest开头的key，只发现了一个xmtest2，为啥没有xmtest，因为其value为空了 > keys xmtest* 1) "xmtest2" 来源： oschina 链接： https://my.oschina.net/u/4362330/blog/4543559

百度飞桨AI识虫任务心得 一 、赛题背景 二、比赛任务 三、心得体会 一 、赛题背景 目标检测是计算机视觉中的一个重要的应用方向，与之相关的应用也越来越多。百度飞桨与北京林业大学合作开发的AI识虫项目，是将AI与农业相结合的典型案例。本次比赛将使用林业病虫数据集，使用目标检测算法对图片中的虫子类别和位置进行预测。在《零基础实践深度学习课程》中，老师讲介绍如何使用YOLO-V3算法检测虫子，但老师所讲授的内容只包含最基本的功能。学员需要在此基础上对模型参数或者模型结构进行调整，以得到更好的评估结果。主要改进方案可以从以下四个方面进行：1、 使用其它模型如faster rcnn等；2、 使用数据增强，如对原图进行翻转、裁剪等操作； 3、 修改anchor参数的设置；4、 调整优化器、学习率策略、正则化系数等。 二、比赛任务 参赛者需要训练好目标检测模型，并且用训练好的模型在测试数据集上进行预测，每张图片的预测输出结果为图片中包含的虫子的 类别、位置、和置信度得分 。结果保存为json文件。参赛者需提供飞桨训练好的模型参数，可以在AI Studio Notebook中一键运行的预测代码，还有存放预测结果的json文本文件。 三、心得体会 通过最后一周的参赛，能够将最基本也是最常用的图像操作算法YOLO-V3用于实践案例中。在对数据集进行处理时，用到了一系列的图像增强技术，如调节亮度、缩放

文章目录 秋招简历制作技巧 秋招面试技巧_自我介绍 秋招技巧——角色翻转换位思考 秋招简历制作技巧 投递邮件的小技巧 ：姓名+岗位+学历+联系方式 例如：肥鼠路易_算法实习生_本科+137xxx.pdf 悄悄告诉你：“ 传说95%HR想要雇佣的应聘者都拥有完美的1页纸简历。 ” 最开始的求职意向不可以模糊，直接写出目标岗位的名称，岗位名称需要和简历具有匹配性。 专业技能描述 可以分成 熟悉某某基础框架 对某某原理有初步理解 精通xxxx，熟悉xxxx，了解xxxx 熟练掌握xxxx开源框架，以及xxxx项目构建工具 拖延症ICU患者感觉写专业技能描述也好难啊！ 查看相关公司的岗位要求如下： 岗位要求 具备扎实的编程实现能力，熟练使用C/C++，Python/Matlab等编程语言；熟悉Linux编程和熟悉中间件（ROS/DDS等）者优先； 具备良好的团队合作精神、沟通协调能力、执行力，对前沿领域有高度的技术敏感性，勇于接受挑战 有以下经历优先考虑： 1、具备移动机器人等领域研究经验，参与国内外知名相关竞赛，如未来挑战赛等； 2、具备相关工程或开发经验，如深度学习、仿真系统搭建/开发经验等； 3、传感器融合算法方向要求熟悉视觉、毫米波雷达、激光雷达和GPS/IMU等传感器； 4、发表过领域知名会议/期刊论文。 那么，我们编程相关的专业技能结合自身能力情况与岗位要求可以这样写：

　　硕士毕业之前曾经对基于LSTM循环神经网络的股价预测方法进行过小小的研究，趁着最近工作不忙，把其中的一部分内容写下来做以记录。 　　此次股票价格预测模型仅根据股票的历史数据来建立，不考虑消息面对个股的影响。曾有日本学者使用深度学习的方法来对当天的新闻内容进行分析，以判断其对股价正面性/负面性影响，并将其与股票的历史数据相结合，各自赋予一定的权重来对近日的股价进行预测 [1] 。该预测方法取得了一定的效果。 　　而这里我没有引入消息面的影响，主要出于以下几点考虑： 　　1.消息的及时性难以保证：很多时候，在一只股票的利好/利空消息出来之前，其股价已经有了较大幅度的增长/下跌。信息的不对称性导致普通群众缺乏第一手消息源。 　　2.消息的准确性难以保证：互联网上信息传播速度极快，媒体之间经常会出现相互抄袭新闻的情况，而这种抄来的新闻(非原创新闻)往往没有经过严格的审核，存在着内容虚假，夸大宣传的可能性。一旦分析模型错用了某条谣言或真实性不高的新闻，很有可能得出错误的预测结果。 　　3.语言的歧义性：一条新闻，其正面性/负面性往往存在着多种解读。例如“习主席宣布中国将裁军30万”——新华每日电讯2015.09.04。这条新闻一般意义上可以解读为：中央政府深入推进改革，精兵简政，大力发展国防军工事业。这是一种正面性的解读。而在使用机器学习模型时，如传统的奇异值分解算法(SVD)

点击上方“ 3D视觉工坊 ”，选择“星标” 干货第一时间送达 来源： cnbc 编辑：肖琴 转载自：新智元 【导读】 近日，李飞飞接受CNBC专访，针对AI未来的发展方向、如何确保AI以人为本等问题做出回答。李飞飞认为，智能和价值观都可以由人类灌输给机器。 李飞飞一直是人工智能积极力量的拥护者。 李飞飞的最新角色是斯坦福大学新成立的“以人为本AI研究院”的联合主任，该研究院专注于机器学习潜在用途的研究和教育，目标是找到AI能够改善人们生活的方式。 “人工智能已经发展成熟。它已经从一个利基技术领域转变成我们社会未来的主要驱动力。” 未来机器会超越人类吗？李飞飞坚持认为，机器的智能和价值观都来源于人类。 “我们在行业中看到这一点，在日常生活中也看到这一点。在斯坦福大学，我们认识到，对于人工智能的未来发展方向，以及如何引导它为人类社会带来最大的积极影响，有必要发挥思想领导力。” 这个新研究院的想法诞生于2016年，当时李飞飞站在自家车道上，与邻居、斯坦福大学的前教务长兼哲学家 John Etchemendy 交谈。 他们讨论到AI缺乏多样性，以及该领域如何狭隘地专注于工程和算法。他们认为，需要就技术如何帮助所有人展开更广泛的讨论。 现在，该研究院汇集了来自不同学科的研究人员和学者——如经济学、商学、政治学和计算机科学——研究AI对工作的影响以及人们如何重新掌握技能等课题。 “我认为