深度学习

　　 　　 作者 | 蒋宝尚 　　 编辑 | 贾伟 　　AI 正在尝试攻克“读心术”。本文基于计算所山世光报告整理，链接见文末 　　随着人脸识别为代表的“看脸”技术已经逐渐走向成熟，越来越多的科学家正在攻克这个难题。利用AI算法，捕捉面部特征所承载的多维信息，分析推断一个人精神状况，从人工智能的角度就变成了输入表情，输出性格、情绪、心理活动的“函数”映射问题。其中输入的特征可以是微表情，也可以是视线等；输出结果可以是喜怒哀乐等情绪。 　　举例来说，荷兰阿姆斯特丹大学的尼克·瑟比博士曾利用现代的深度学习方法对蒙娜丽莎的“情绪"进行破解，发现蒙娜丽莎有83%的快乐，9%的厌恶，6%的恐惧，还有2%的愤怒。 　　蒙娜丽莎情绪分析或许有些“玩”的意味，但是它背后所采用的技术对于医学、情感陪伴、金融保险都有非常重要的意义。例如客观化、易于实施的自闭症儿童早期诊断技术、能读懂老人情感和状态的机器人交互技术、对司机危险驾驶行为的监控和报技术等等。 　　具体来看，目前医学上在精神疾病的诊断更多依赖于量表测试和医生面诊，诊断结果更偏向主观性。看病就医时，中医通过“望闻问切”的“望”来了解患者的病征，作出诊断；而心理医生面诊时也会通过观察病人面容来判断病人在精神层面的状态。以抑郁症患者为例，传统方法下，医生通常会采取三种检查手段来判断病人是否患有抑郁症以及患病的程度，分别是：面诊、量表测试和脑电波测试

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！ 编者按：本文来自微信公众号“亲爱的数据”（ID:deardata），作者 谭婧，36氪经授权发布。 2020年，年中。 人类历史上最大的人工智能模型，来到人间。 这个体格巨大的北鼻，哭声嘹亮，告知全世界：“我写的作文，几乎通过了图灵测试。” 那些第一次听说参数数量的人， 那些第一次翻看实验结果的人， 那些第一次口算增长速度的人， 在彼此确认了眼神之后，一致的反应是： “哦漏，我大概是疯了吧。不，是人工智能模型疯了吧。” 同行迈出的步子，似乎要扯烂裤裆。 墙内的人，捡起惊掉的下巴。 墙外的人，他们只觉得婴儿的哭声吵闹。 “不仅会写短文，而且写出来的作文挺逼真的，几乎可以骗过人类，可以说几乎通过了图灵测试。” 如果没有后两个半句，你可能会误认为这是老师对文科生学霸的评语。 理科也超级擅长，还能辅导别人编程。 “以前都是人类去写程序，现在是人类写一个人工智能算法，算法自己从数据中推导出程序。新的人工智能技术路线已经跑通。” 学渣，看破红尘，敲敲木鱼，念出乔布斯的名言： 做个吃货，做个蠢货 （Stay hungry，Stay foolish）。 反正养老托付给人工智能了。而这样的人工智能，需要巨额的资金，需要顶级的技术。 科技巨头微软大笔一挥，千万美金的支票，拿走不谢。 据测算

作者|Renu Khandelwal 编译|VK 来源|Towards Data Science 在本文中，你将了解： 为什么我们需要seq2seq模型的注意力机制？ Bahdanua的注意力机制是如何运作的？ Luong的注意力机制是如何运作的？ 什么是局部和全局注意力？ Bahdanua和Luong注意力机制的关键区别 什么是注意力，为什么我们需要seq2seq模型的注意力机制 让我们考虑两个场景，场景一，你正在阅读与当前新闻相关的文章。第二个场景是你正在阅读准备考试。两种情况下的注意力水平是相同还是不同？ 与新闻文章相比，你在准备考试时会相当注意阅读。在准备测试的时候，你会更加关注关键词来帮助你记住一个简单或复杂的概念。这也意味着我们要专注于某一特定领域的任何深度学习任务。 序列到序列(Seq2Seq)模型使用编码器-解码器架构 。 seq2seq的几个场景 神经机器翻译(NMT) 图像字幕 聊天机器人 文本摘要等 Seq2Seq模型将源序列映射到目标序列。在神经机器翻译的情况下，源序列可以是英语，目标序列可以是印地语。 我们将英语源语句传递给编码器；编码器将源序列的完整信息编码为单个实值向量，也称为上下文向量。然后，这个上下文向量被传递到解码器上，以生成目标语言(如印地语)中的输出序列。上下文向量负责将整个输入序列汇总为单个向量。 如果输入的句子很长

今天笔者想记录一下深度学习模型的部署，不知道大家研究过没有，tensorflow模型有三种保存方式： 训练时我们会一般会将模型保存成： checkpoint文件 为了方便python，C++或者其他语言部署你的模型，你可以将模型保存成一个既包含网络结构又包含权重参数的： PB文件 为了方便使用TensorFlow Serving 部署你的模型，你可以将模型保存成： Saved_model文件 笔者是keras（tensorflow ）的深度用户，经常把模型保存成HDF5格式。那么问题来了，如何把keras的模型转化成PB文件 或者 Saved_model文件供生成部署使用。今天笔者就是来介绍一下如何将Keras的模型保存成PB文件 或者 Saved_model文件。 定义BERT二分类模型 下方函数定义的是一个标准的BERT做文本二分类的图结构。 from keras.models import Model from keras.layers import * from keras import backend as K import tensorflow as tf from keras_bert import get_model,compile_model def load_bert_model_weight(bert_model_path): b_model = get

「深度学习福利」大神带你进阶工程师，立即查看>>> 本人原创博客地址： http://www.hushowly.com/articles/1369 简介 Mysql Bit字段类型用来存储二进制的位值，Bit(M)代表可存储M位的二进制数据，M取值为区间为1-64． The BIT data type is used to store bit values. A type of BIT(M) enables storage of M-bit values. M can range from 1 to 64. https://dev.mysql.com/doc/refman/8.0/en/bit-type.html 使用场景 Bit类型常用来存储Boolean类型的状态，也就是可以使用一个字段来存最多64个状态，如果你的系统状态够多或者将来可能会有扩展状态，那推荐使用这个类型进行处理，查询或更新某个状态时按位操作即可． 举个栗子：某个系统需要保存对用户发送短信的状态,有10几种不同类型的短信,每种都要标记发过没有, 这时候用bit类型就很方便 bit类型小试牛刀 如何写入bit类型数据? 如何对bit数据查询展示? 如何修改指定位状态? 如何根据某位状态查询? １. 准备测试表 CREATE TABLE `bit_demo` ( `id` int NOT NULL AUTO

日前知名的云服务提供商HashiCorp在官网宣布：不允许中国境内使用、部署和安装该企业旗下的“企业版”产品和软件。不过好在声明中未提及开源软件，而且由于开源软件使用的协议，应该也不至于完全无法使用。 我们知道 HashiCorp 旗下还是有很多非常强大的云基础设施软件的。比如 Terraform ： 的目标是 "Write, Plan, and create Infrastructure as Code", 基础架构即代码，Terraform也 提供了Kubernetes应用程序的完整生命周期管理，包含Pod的创建、删除以及副本控制等。国内众多公有云都支持Terraform。 Consul ： 是一个支持多数据中心分布式高可用的服务发现和配置共享的服务软件,使用Go 语言开发，目前在国内也有大量的使用和落地案例。 Vagrant ： 则 是一个比较流行的虚拟机管理软件。 笔者相信HashiCorp肯定是遇到了巨大的压力，否则也不会完全放弃中国市场，可以说这一事件开了一个比较坏的头，这标记着开源也开始向政治妥协了，后续很可能还会有更多的企业会做出类似的决定。不过整个业界对于这样的事件应该已经有所准备了， 在去年末的时候知名开源网络GitLab 的两个岗位（网站可靠性工程师和技术支持），就开始禁止招聘居住在中国和俄罗斯的工程师了。对此GitLab 称，“这是一些企业客户表达的担忧

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！ 前言：高精地图的发展与自动驾驶汽车紧密相关，自从自动驾驶汽车开始上路公开测试以来，高精地图产业就应势而生并飞速发展。相对于以往的导航地图，高精地图是专为自动驾驶而生的，其服务的对象并非人类驾驶员，而是自动驾驶汽车。对于L3级别以上的自动驾驶汽车而言，高精地图是必备选项。 一方面，高精地图是为自动驾驶汽车规划道路行径的重要基础，能够为车辆提供定位、决策、交通动态信息等依据。另一方面，在自动驾驶汽车传感器出现故障或者周围环境较为恶劣时，高精地图也能确保车辆的基本行驶安全。 如今，政府、行业协会、高校、图商、车企等各方均认识到高精地图和高精定位对于自动驾驶的好处。但是中国高精地图的政策，法规，技术标准面临什么瓶颈，需要怎么解决和规划，仍未有一个系统和完整的解答。 国际高精度地图产业发展现状 1、概述 发达国家从20世纪70年代就开始进行自动驾驶汽车研究，在可行性和实用性方面，美国和德国走在前列。早在20世纪80年代，美国就提出了自主地面车辆(ALV)计划。在自动驾驶汽车研究位于世界前列的德国汉堡Ibeo公司，推出了可以在复杂的城市道路系统中实现无人驾驶的汽车，借助于隐藏在前灯和尾灯附近的激光扫描仪观察周围183m内的道路状况，识别各种道路交通标识

作者 | Just 出品 | AI科技大本营（ID:rgznai100） 医药研发行业有一个“三个十”的说法，即一种药物的发现需要投入十年以上的时间，花费十多亿美元，最后获得10%的成功率。也就是说，医药研发需要花费很长时间，投入大量资金才能成功研发出一种药物。 不过，AI等新技术的不断涌现，让科学性极强的医药研发行业也有机会追求大幅“提速降费”。 “把原本可能需要三到五年的药物发现过程，显著地缩短至一到两年，同时还帮助人们跳脱出药物研发专家个人经验和能力的限制，全面加速药物研发。”致力于以计算驱动药物研发的晶泰科技联合创始人、AI负责人赖力鹏告诉AI科技大本营。 抗疫，筛选出38种潜在药物分子 目前AI在医药研发的应用覆盖多个研发环节，包括靶点发现到苗头化合物、先导化合物的发现，然后到药物开发和临床实验。 以新冠病毒的靶点发现为例，首先需要找到病毒上与转录、复制、感染等关键机能相关的蛋白质，然后分析其与药物结合、抑制这些机能实现的位点。通过找到能有效、稳定地与这些靶点结合的分子，就可以阻止病毒的感染和传播，患者由此得到治疗。 寻找候选药物分子并非易事。传统的方法是通过药物化学家的参与，从百万到千万潜在化合物层层进行筛选，去做实验验证对抑制病毒活性有效的化合物。而通过AI生成模型、强化学习和迁移学习，可以根据对应靶点去设计出更加多样化的分子结构，这样扩大了找到相应分子的可能性

　　机器之心报道 　　 机器之心编辑部 　　 Geoffrey Hinton 等 6 位图灵奖得主亲临，百余位顶级学者邀请你加入群聊「2020 北京智源大会」，深入系统探讨「人工智能的下一个十年」。 　　 　　自 2009 年深度学习崛起以来，第三波人工智能浪潮席卷全球，推动了新一波技术革命。 　　在这波澜壮阔的 11 年，我们见证了技术突破、应用创新与产业变革。 　　技术上，深度学习首先带来计算机视觉、语音识别等领域的突破，让机器识别的准确率一步步突破人类水平；在应用上，深度学习、强化学习、联邦学习等学习范式在安防、游戏、金融等不同场景带来新的创新。人工智能技术，在这些领域由点到面的落地应用，逐步推动着整个产业的变革。 　　技术变革，需要不断的推陈出新。在这 11 年中，如果说前半期是深度学习的时代，那么近年来我们能够看到更多不同的概念继续推动这人工智能的发展：符号主义、因果关系、联邦学习，等等。 　　2020 年，是一个十年的结束，也是下一个十年的开始。 　　在未来的十年，人工智能技术将如何发展？如何推动 AI 技术在医疗、交通等领域的落地应用？如何构建 AI 基础设置、规范 AI 伦理，都是当前人工智能领域亟待解决的问题。 　　依托北京在人工智能领域的科研和人才优势，第二届北京智源大会将于 6 月 21-24 日线上开幕。 　　此届大会围绕技术、应用、基础设施等话题

要是您不太熟悉大多数PC游戏菜单选项中不同的图形设置，那么可能会感到困惑什么是"抗锯齿". 在这篇文章中，我们会简单介绍什么是抗锯齿以及列出2020年可能会碰到流行的抗锯齿技术，帮助您决定使用哪个获得最佳的游戏体验. 抗锯齿有什么作用呢? 您因该知道显示器的图像是由像素组成的，这是数字图像中的最小单位.而现代的电视和电脑显示器拥有数百万的像素.这些像素仍然是矩形的.这意味着当圆形显示在屏幕上时，您几乎肯定能看到一些锯齿状的边缘.即aliasing. 顾名思义，抗锯齿就是通过各种不同的抗锯齿技术来减少锯齿,实际上这些不同主要体现它们处理锯齿的方式和在游戏中的性能消耗. 抗锯齿有哪些类型呢？ 2020年之前，有一些流行的抗锯齿技术.其中某些技术比其他的更加受欢迎,下面我们将简要概述您最可能在游戏中会碰到的抗锯齿技术. MSAA: multisample anti-aliasing(多采样抗锯齿) 它是最常见的抗锯齿类型之一，通常可以在图像保真度和性能之间找到最佳的平衡点.这种抗锯齿是利用两个或者多个相邻像素的多个采样来创建高保真图像,使用的采样数越多，图像看起来越好.但是这样就不可避免地需要更多的GPU性能.而MSAA通常的采样数为两个，四个，八个. 另外,我们还有EQAA(enhanced quiality anti-aliasing 增强质量抗锯齿)和CSAA(coverage