2 天前 / 云水木石
各位朋友，新年好! 随着春节假期的结束，想必大家陆陆续续返回工作岗位，开始新的一年的拼搏。我也会继续努力，争取在深度学习方面更进一步，接下来，我将继续聊一聊深度学习在计算机视觉中的应用。 在前面的《站在巨人的肩膀上：迁移学习》和《再谈迁移学习：微调网络》两篇文章中，我们介绍了迁移学习的强大之处。然而，人们探索新知识总是永无止境，在提高深度学习模型准确率方面，仍在孜孜不倦的追求着。这篇文章将介绍一种提升模型准确率的方法：组合模型。 从字面上理解，组合模型并不难解释，简单说，就是为深度学习建立多个模型，然后用......
5 天前 / 张逸
我们开发的一个基于大数据平台的数据仓库，选择了Flink作为数据处理的底层框架。我们主要看重于它在流处理的低延迟性，消息传递保证的extractly once特性；它为流处理和批处理提供了相对统一的API，支持Java、Scala和Python等主流开发语言，同时还较好地支持了SQL。Flink搭建了非常棒的基础设施，例如它可以和ZooKeeper、YARN集成起来，保证处理功能的高可用性与水平扩展的集群能力，同时还提供了相对开放的扩展能力，使得我们可以较容易地在已有功能基础之上实现定制开发。 我们基于Flink开发了自己的底层框架“海纳（haina）”，这是取“海纳百......
8 天前 / 雇个城管打天下
本文翻译自：《Feeding data to TensorFlow》 如有侵权请联系删除，仅限于学术交流，请勿商用。如有谬误，请联系指出。 由于微信公众号不支持外链，可点击文末“阅读原文”以访问外部链接。 TensorFlow 被设计用于高效地处理大量数据。所以你需要记住的是，千万不要“饿着”你的TF模型，这样才能得到最好的表现。一般来说，有三种方法可以给你的模型“喂”数据。 常量方式（Constants）最简单的方式莫过于直接将数据当成常量嵌入你的计算图中，如： import tensorflow as tf import numpy as np actual_data = np.random.normal(size=......
22 天前 / 张逸
最近一段时间，电商圈出了一件大事情，拼多多再次吸引了大家的眼球。2019年1月20日，拼多多出现了数额巨大的羊毛Bug，起因在于一张无门槛的优惠券，券面价值100元，可以全场通用（特殊商品除外），有效期一年。如果仅仅从业务角度分析，定义这样的优惠券自身并没有任何问题。当然，也有人说像这样的无门槛券本身就不该用于花费充值、Q币充值等几乎等于现金业务的商品，这是从促销层面去考虑的问题。还有人提到风控问题，为何等到损失达200亿（事后拼多多说明这些优惠券涉及到千万）才发现问题？更有人质疑这是一次别出心裁的炒作。 从薅羊毛的角度......
23 天前 / 敌人来啦快跑啊
本文首先介绍BERT模型要做什么，即：模型的输入、输出分别是什么，以及模型的预训练任务是什么；然后，分析模型的内部结构，图解如何将模型的输入一步步地转化为模型输出；最后，我们在多个中/英文、不同规模的数据集上比较了BERT模型与现有方法的文本分类效果。 1. 模型的输入/输出 BERT模型的全称是：BidirectionalEncoder Representations from Transformer。从名字中可以看出，BERT模型的目标是利用大规模无标注语料训练、获得文本的包含丰富语义信息的Representation，即：文本的语义表示，然后将文本的语义表示在特定NLP任务中作微调，最终......
26 天前 / AI科技大本营
作者：李理，环信人工智能研发中心vp，十多年自然语言处理和人工智能研发经验。主持研发过多款智能硬件的问答和对话系统，负责环信中文语义分析开放平台和环信智能机器人的设计与研发。 本文是作者正在编写的《深度学习理论与实战》的部分内容。 导语 Google BERT 模型最近横扫了各大评测任务，在多项任务中取得了最好的结果，而且很多任务比之前最好的系统都提高了非常多，可以说是深度学习最近几年在 NLP的一大突破。但它并不是凭空出现的，最近一年大家都非常关注的 UnsupervisedSentence Embedding 取得了很大的进展，包括 EL......
33 天前 / hyper0x
首发于机器之心写文章50种常用的matplotlib可视化，再也不用担心模型背着我乱跑了机器之心已认证的官方帐号310 人赞了该文章机器之心报道，参与：思源。 数据分析与机器学习中常需要大量的可视化，因此才能直观了解模型背地里都干了些什么。而在可视化中，matplotlib 算得上是最常用的工具，不论是对数据有个预先的整体了解，还是可视化预测效果，matplotlib 都是不可缺失的模块。最近 Machine Learning Plus 的作者介绍了 50 种最常用的 matplotlib 可视化图表，而本文简要介绍了这篇文章，详细的 50 种可视化需要查阅原文。50 种可视化图原地址......
34 天前 / edagarli
今天简单回顾下事件驱动模型。 什么是事件驱动模型事件驱动模型，也即是我们通常说的观察者。基于发布-订阅模式的编程模型。定义对象间的一种一对多的依赖关，当一个对象的状态发生变化时，所有依赖它的对象都得到通知并自动更新。 事件驱动模型的应用回顾想想平常自己接触到的事件驱动模型。 设计模式里面的观察者模式 JDK观察者模式 Java GUI事件驱动 JavaBean事件驱动 spring事件驱动 ...... JavaBean规范提供了一种监听属性变化的事件驱动模型，提供操作JavaBean属性的类PropertyChangeSupport和PropertyEditorSupport。 spring事件......
40 天前 / 逗逗
吴阳平 去哪儿网金融事业部大数据开发工程师，主要从事底层数据仓库开发、大数据实时系统设计及开发等工作。 本文将对 Spark 的内存管理模型进行分析，下面的分析全部是基于 Apache Spark 2.2.1 进行的。为了让下面的文章看起来不枯燥，我不打算贴出代码层面的东西。文章仅对统一内存管理模块 (UnifiedMemoryManager) 进行分析。 我们都知道 Spark 能够有效的利用内存并进行分布式计算，其内存管理模块在整个系统中扮演着非常重要的角色。为了更好地利用 Spark，深入地理解其内存管理模型具有非常重要的意义，这有助于我们对 ......
58 天前 / 实时音视频A桑
从 AI 的应用开始回到我们今天的主题，我想问，今天的午餐和深度学习有什么共同之处？餐盒和黑盒，都是盒子。餐盒有一个沙拉、主菜和餐后的水果。黑盒子打不开、看不到。 今天的演讲试图稍稍进入黑盒里能看一下，作为工程师，我们都想知其然，也知其所以然。我就基于我们所做的工作稍稍解密一下深度学习某些方面。 声网主要提供实时音视频通信传输服务、编解码及前后处理等等，我们更多的聚焦在通信实时交互领域。 现在的社交娱乐应用里面有很多 AI 的应用。美颜，贴纸，包括一些交互动作的识别，变脸、变声都是属于风格转换，AI 算法在这些方面......
61 天前 / 懒人yp
本文介绍了 Istio 和 Kubernetes 中的一些服务和流量的抽象模型。虽然 Istio 一开始确定的抽象模型与对接的底层平台无关，但目前来看基本绑定 Kubernetes，本文仅以 Kubernetes 说明。另外在 ServiceMesher 社区中最近有很多关于 Istio、Envoy、Kubernetes 之中的服务模型关系的讨论，本文作为一个开篇说明，Kubernetes 和 Isito 之间有哪些共有的服务模型，Istio 在 Kubernetes 的服务模型之上又增加了什么，为什么说 Kubernetes service 存在的意义仅剩下做服务发现。 服务具有多个版本。在 CI/CD 过程中，同一个服务可能同时部署在多个环境中，......
66 天前 / 恒生技术君
摘要：如何有效合理的进行风控分析？我们在生活中经常会进行各种各样的比较，但是比较有个前提，就是比较的事物应该是位于同一层面上的。如果你拿四年级的学生和1年级的学生比较身高，或者拿成年人和未成年人比较体重那是毫无意义的。同理，我们在比较放贷质量的时候，也要按账龄（month of book，MOB）的长短同步对比，从而了解同一产品不同时期放款的资产质量情况。 一、什么是Vintage分析方法？ Vintage意为葡萄酒酿造的年份，由于每年不同的天气、温度、湿度等情况，随着年份的不同，葡萄酒的品质也会有不同的表现。因此，人们会以葡萄......
77 天前 / 浪淘沙
并发（并行），一直以来都是一个编程语言里的核心主题之一，也是被开发者关注最多的话题；Go语言作为一个出道以来就自带 『高并发』光环的富二代编程语言，它的并发（并行）编程肯定是值得开发者去探究的，而Go语言中的并发（并行）编程是经由goroutine实现的，goroutine是golang最重要的特性之一，具有使用成本低、消耗资源低、能效高等特点，官方宣称原生goroutine并发成千上万不成问题，于是它也成为Gopher们经常使用的特性。 Goroutine是优秀的，但不是完美的，在极大规模的高并发场景下，也可能会暴露出问题，什么问题呢？又有什么可选的......
88 天前 / 小米运维
本文基于IO访问中存在的两个阶段详细介绍了Linux产生的五种IO模型。 上篇文章回顾：小米开源监控Open-Falcon收录汽车之家贡献的Win版Agent //同步与异步//同步是指一个任务的完成需要依赖另外一个任务时，只有等待被依赖的任务完成后，依赖的任务才能算完成。 异步是指不需要等待被依赖的任务完成，只是通知被依赖的任务要完成什么工作，依赖的任务也立即执行，只要自己完成了整个任务就算完成了，异步一般使用状态、通知和回调。 //阻塞与非阻塞// 阻塞是指调用结果返回之前，当前线程会被挂起，一直处于等待消息通知，不能够执行......