-
什么是Terraform？
所属栏目：[大数据] 日期：2021-05-22 热度：107
基础知识 Terraform是您和云提供商API之间的一层。它使您能够将自动云配置提升到新的高度。Terraform可以帮助您将云基础设施写成代码。这意味着您可以准确地定义您的应用程序需要什么，Terraform将在云中远程配置这些资源。 首先，您将创建一个.tf文件，列出[详细]
-
让失语者在视频会议中用手语自然交流！
所属栏目：[大数据] 日期：2021-05-22 热度：126
为了主动适配主流视频会议系统所提供的会议解决方案，研究团队采取了一种轻量型、即插即用的模型。该模型占用CPU小，以最大程度降低对客户端通话质量的影响。为了减少输入的维度，采用从视频中分离所需信息，对每个帧进行分类。 由于手语涉及用户的身体和手[详细]
-
混合学习，成分学习和简化学习
所属栏目：[大数据] 日期：2021-05-22 热度：106
深度学习是一个很大的领域，其核心是一个神经网络的算法，神经网络的尺寸由数百万甚至数十亿个不断改变的参数决定。似乎每隔几天就有大量的新方法提出。 然而，一般来说，现在的深度学习算法可以分为三个基础的学习范式。每一种学习方法和信念都为提高当前深[详细]
-
一份详实的数据科学指南
所属栏目：[大数据] 日期：2021-05-22 热度：77
如何计划学习？哪些主题应该首先涉及？ 让我来解释一下100天学习数据科学的计划。下面是使用Python学习数据科学的逐日计划，该计划跨度为100天，每天至少需要花费一个小时 第一天：安装工具 只要确保安装了所需的工具，并且您对接下来几周/几个月将要使用的[详细]
-
了解SVD与纠缠
所属栏目：[大数据] 日期：2021-05-22 热度：152
无论利用哪种方式，我们都希望将其可视化，其中奇异值的作用（即对角矩阵D的作用）是关键。从直观上看，它们指示U和V存储的信息之间的``交互量，并调解了这些交互是如何有助于原始矩阵M表示的信息。 而这正是纠缠数学背后的理念。 在物理学的背景下，人们简[详细]
-
推进实例级别识别 ILR研究
所属栏目：[大数据] 日期：2021-05-22 热度：111
今天，我们强调在ECCV20的实例级识别研讨会上的一些结果。这个研讨会聚集了在这个领域的专家和爱好者，这学多新鲜有意思的讨论中，包含了我们的ECCV20的论文DEep Local and Global features (DELG)，这是一个目前最先进的实例级识别图像特征模型，还包含了一[详细]
-
大规模分布式强化学习架构
所属栏目：[大数据] 日期：2021-05-22 热度：159
今天，我们要介绍的是Menger一种具有本地化推理能力的大规模分布式RL架构，可通过多个处理集群（如Borg单元）扩展数千个Actors，从而减少了芯片放置任务的训练时间。在接下来的章节，我们介绍了如何使用Google TPU配置Menger，从而提高训练速度，进一步我们[详细]
-
未来10年，AI的发展方向是应用，不会出现重大的理论突破
所属栏目：[大数据] 日期：2021-05-22 热度：150
由于自发的阶段缺少理论支撑，运气成分非重要，每一个成功的背后可能存在着非常多的失败。谈到电报，大部分人只知道莫尔斯的成功，而不知道其他人的失败；谈到电话，大家只知道贝尔，而不知道其他人。而实际上，他们的成功其实有很大的偶然性。 自发阶段持续[详细]
-
为数据科学设置VS代码
所属栏目：[大数据] 日期：2021-05-22 热度：100
图片说明：VSCode扩展预览。绿色圆圈是打开这个魔术的按钮，右边有一个扩展列表和一个搜索面板在上面。按下分机将在右侧打开关于它的说明。 解释器 为了让我们的DS/ML/AI包正常工作，我们需要设置解释器，如下所示- Ctrl+shift+pPython：选择解释器conda bas[详细]
-
判定模型的内部指南
所属栏目：[大数据] 日期：2021-05-22 热度：151
看这样一个例子：有Tony和Mark两个小朋友，他们要在宠物商店中分辨出小猫和小狗。对于宠物，我们假定它们包含颜色、大[详细]
-
NLP模型上测量性别相关性
所属栏目：[大数据] 日期：2021-05-22 热度：117
研究发现，BERT或ALBERT在WinoGender上都没有零得分，而在OntoNotes上获得了极高的准确性（接近100％）。实验表明，在一些情况下，模型在推理决策中会考虑性别相关性。这符合我们的预期，模型可以使用多种线索来理解文本，可以只采用其中的一种或是选择全部[详细]
-
强化学习算法DeepCube
所属栏目：[大数据] 日期：2021-05-22 热度：156
多数人对深度强化学习的认识主要集中在应用DRL进行游戏，这并不意外，因为Deep Mind在2015年首次应用DRL进行Atari系列游戏，并大获成功。 事实证明，Atari系列套件与RL的结合简直是天作之合，即使是现在，许多研究论文仍使用该套件来验证自己的方法。随着RL[详细]
-
机器学习和深度学习的神秘面纱
所属栏目：[大数据] 日期：2021-05-22 热度：123
什么是人工智能? 纵观人工智能的历史，其定义被不断重写。人工智能是一个概括性术语(这个概念始于50年代);机器学习是AI的子集，而深度学习又是机器学习的子集。 1985年，当我还是美国国家安全局的实习生时，人工智能也是一个非常热门的话题。在美国国家安全[详细]
-
使用深度学习建立电影推荐系统
所属栏目：[大数据] 日期：2021-05-22 热度：121
你看过《盗梦空间》吗？是否被影片中的梦中梦烧脑，或是想象现实世界中物品能否像电影中那样漂浮在空中？至少目前我们没有办法使物体悬浮在空中，但是，数据科学家可以将python向量映射到多维空间。 本文将为介绍一个电影推荐系统，在推荐系统中，有许多电影[详细]
-
机器学习的线性代数入门
所属栏目：[大数据] 日期：2021-05-22 热度：173
引言 机器学习和深度学习建立在数学原理和概念之上，因此AI学习者需要了解基本数学原理。在模型构建过程中，我们经常设计各种概念，例如维数灾难、正则化、二进制、多分类、有序回归等。 神经元是深度学习的基本单位，该结构完全基于数学概念，即输入和权重[详细]
-
下一次AI革命
所属栏目：[大数据] 日期：2021-05-22 热度：122
在过去的十年里，由于处理器速度的提高和 大数据 的出现，我们见证了机器学习 算法 的规模成倍增长。最初，模型小到可以使用中央处理单元（CPU）内的一个或多个内核在本地机器上运行。 不久之后，使用图形处理单元(GPU)进行计算成为处理较大数据集的必要条件[详细]
-
从理论突破到应用场景落地
所属栏目：[大数据] 日期：2021-05-22 热度：137
1996年，金山软件遭遇前有微软、后有盗版的双重打击跌入谷底：1995年，微软进入中国市场，Windows 95与OFFICE系列抢占了WPS大部分市场份额；与此同时，一张盗版光盘，640兆囊括了市面上几乎所有主流软件，包括金山软件的产品。面对困局，金山何去何从？ 雷军[详细]
-
中国开源社区迈入全球化新征程
所属栏目：[大数据] 日期：2021-05-22 热度：171
本场活动主持人为新一代人工智能产业技术创新战略联盟开源工作组组长、OpenI启智平台秘书长刘明。他表示，早期开源的运动通过自由软件日，在全球数千个学校中，于同一天进行开源的理念价值观的培养，对开源的快速发展起到非常重要的作用。今天这个活动，我们[详细]
-
学习的10个现实应用
所属栏目：[大数据] 日期：2021-05-22 热度：182
强化学习在工业自动化中的应用 在工业自动化中，基于强化学习的机器人被用于执行各种任务。这些机器人不仅效率比人类更高，还可以执行危险任务。 Deepmind使用AI智能体来冷却Google数据中心是一个成功的应用案例。通过这种方式，节省了40%的能源支出。现在，[详细]
-
浮世绘面孔数据
所属栏目：[大数据] 日期：2021-05-22 热度：75
作为论文域之间可控图像合成的分辨率相关GAN插值[1]的一部分，我使用浮世绘的人脸图像数据集来训练StyleGAN模型，本文包含该数据集的链接和该数据集的详细信息。 更新 V2-删除了28张质量不好的图像（对准不良或没有正面）。 V1-最初的发行版，使用在与分辨率[详细]
-
作为一个开源社区，开放是核心
所属栏目：[大数据] 日期：2021-05-22 热度：122
而中国的表现，则名落孙山。换言之，中国在开源方面，相较其他国家而言，仍相对落后。在大多时候，中国的开发者是使用来自美国的开源技术，而不是贡献自己的开源代码。 针对这个问题，我们要如何破解呢？ 近日，来自中国科学院大学的包云岗教授针对如何破解[详细]
-
实现的十亿级语义相似性搜索
所属栏目：[大数据] 日期：2021-05-22 热度：175
我们可以看到句子transformer模型比其他模型有很大的优势。 但是如果你用代码和GLUE来看看排行榜，你会看到很多的模型超过90。为什么我们需要句子transformers？ 在这些模型中，语义文本相似度被视为一个回归任务。这意味着，每当我们需要计算两个句子之间的[详细]
-
美国总统辩论60年
所属栏目：[大数据] 日期：2021-05-22 热度：83
不少人（希望如此）已经通过邮件或提前投票的方式投了票，不过可能还有一些人在11月3日前还没有做出决定。本着民主的精神，我希望你能在投票前阅读本文。选举日即将来临，我突然像是受了刺激似的，决定浏览一些过去的总统辩论。怀旧可能会成为2020年的一个关[详细]
-
如何使用立体视觉实现距离估计？
所属栏目：[大数据] 日期：2021-05-22 热度：135
在自动化系统中， 深度学习 和计算机视觉已经疯狂地流行起来，无处不在。计算机视觉领域在过去十年中发展迅速，尤其是是障碍物检测方面。 障碍物检测 算法 ，如YOLO或RetinaNet，提供2D的标注框，该标注框指明了障碍物在图像中的位置。 为了获取每个障碍物的[详细]
-
数据行业面临的挑战是什么？
所属栏目：[大数据] 日期：2021-05-22 热度：199
解决数据中心的巨大能耗难题一直是数据行业面临的挑战。数据中心正在全球范围内快速建造并投入使用，但是这些项目的巨大碳足迹正在促使设计团队研究如何最大程度[详细]
