6 天前 / 雇个城管打天下
上篇文章介绍了python web开发中经常使用到的一个框架flask，如果有遗忘的，可以点此回顾AI画家第三弹——毕业设计大杀器之Flask，本文的主要任务就是完成上篇文章末尾的要求，利用Flask发布你自己的风格迁移API。 本文源码可在微信公众号「01二进制」后台回复「风格迁移API」获得 需求分析我们知道软件工程的第一步就是需求分析，放在这里就是要知道我们需要实现的功能是什么样的。我画了一张简陋的图来描述这次的需求： 真的是很简陋的一张图啊，其实理解起来很容易，就是用户上传一张图片，Flask获取到这张图片，调用风格迁移的模型，然......
10 天前 / 雇个城管打天下
上一篇介绍了图像风格迁移的一个最基本实现，虽然在控制台实现了功能，但是想要实际使用，应用到一个app或者网页上光靠上一节的内容肯定是不行的。那怎么样才可以将风格迁移这个功能变成一个可以实际使用的小程序呢？不着急，在实现上述功能前，我们先来介绍一个小东西，也就是这篇文章的主角，我把他称为"毕业设计大杀器“的Flask框架。 前后端分离在介绍Flask之前，我们先介绍下什么是前后端分离。因为如果不介绍前后端分离就不会理解为啥要选择Flask了。前后端分离是目前互联网项目开发的标准使用方式，其核心思想简单理解为是前端页面（......
14 天前 / 叶锦鲤
本文是作者在2019年5月1日众智汇社群分享的记录。 我叫王东，90后，和大家分享一下我的人工智能转型之路。 农学毕业，投身互联网做销售 机遇难求，养殖梦碎 我是土生土长的农村人，小时候经常和小鱼小虾打交道，上大学的时候就选择了农学专业，想着毕业之后回老家搞养殖种植。 大学期间，我看到了一些关于养殖龙虾、稻田套养的资料，就跟我父母商量，让他们承包一块稻田或者鱼塘，养殖龙虾。但当时我父母坚决不同意，就没有做成这个事情。 毕业之后，我想自己承包鱼塘搞养殖，但是没有资金，父母也不愿意支持我，所以最终......
15 天前 / 开发者头条
▲点击上方雷锋网关注 AI First，但是 AI 也要向善。 文| I/O & Tinc V 赶在微软 Build 2019 开场的第二天，Google I/O 如期到来。 有趣的是，与去年一样，在 Build 2019 的西雅图场地中，微软也贴心而大方地现场直播了这场由 Google 打造的同样举办在美国西海岸的科技盛会。只不过，与 Bulid 大会相比，Google I/O 除了同样吸引开发者之外，也会展现不少与移动互联网、Android 生态、智能手机 App 等相关的元素，从而更受到普通用户群体的关注。 当然，与 Bulid 一样，Google I/O 最值得关注的是在大会第一天进行的 Keynote 环节，主......
16 天前 / mr7
文本挖掘和图形数据库 | ontotext 摘要 知识工程是符号主义人工智能的典型代表，近年来越来越火的知识图谱，就是新一代的知识工程技术。知识工程将如何影响未来人工智能领域的发展，甚至让计算机拥有像人类一样的认知能力？ 复旦大学教授、知识工场创始人肖仰华，受邀在腾讯研究院×集智俱乐部AI&Society沙龙上发表以“知识图谱与认知智能”为题的演讲，笔者受肖仰华教授讲座启发，梳理了知识工程与知识图谱的发展历程。 智能是什么？半个多世纪以来，无数科学家钻研，各个派别涌现，然而众人的眼光似乎总是聚焦在当下“胜利”的那一方。过......
16 天前 / 开发者头条
看点：微软Build 2019精彩看点：语音对话实时转录、Azure支撑三大平台，多人协作隔空互动。 智东西5月7日消息，一年一度的微软Build开发者大会今日正式在美国西雅图拉开帷幕。前有FaceBook F8大会，后有微软Build大会、谷歌I/O大会，更晚些的苹果WWDC19也将登场，时间已经进入了海外科技巨头集中对外发布技术、战略、产品的黄金时间段。 今年的Build大会对微软来说更具时代意义，在过去这一年里，微软股价曾突破万亿美元、重新登顶全球市值第一。面对未来，这个已到不惑之年的微软又是如何规划自己的路线的呢？ 北京时间6日晚23点50分，微软......
19 天前 / 雇个城管打天下
这篇文章是我的《AI绘画系列》的第三篇，点击公众号左下角即可查看整个系列 本篇文章的源码可以在微信公众号「01二进制」后台回复「图像风格迁移」获得 简介所谓图像风格迁移，是指将一幅内容图A的内容，和一幅风格图B的风格融合在一起，从而生成一张具有A图风格和B图内容的图片C的技术。目前这个技术已经得到了比较广泛的应用，这里安利一个app——"大画家"，这个软件可以将用户的照片自动变换为具有艺术家的风格的图片。 准备其实刚开始写这篇文章的时候我是准备详细介绍下原理的，但是后来发现公式实在是太多了，就算写了估计也没什么人......
23 天前 / hyper0x
【导读】 本文由知名开源平台，AI技术平台以及领域专家：Datawhale，ApacheCN，AI有道和黄海广博士联合整理贡献，内容涵盖AI入门基础知识、数据分析\挖掘、机器学习、深度学习、强化学习、前沿Paper和五大AI理论应用领域：自然语言处理，计算机视觉，推荐系统，风控模型和知识图谱。是你学习AI从入门到专家必备的学习路线和优质学习资源。 基础知识 1 数学 数学是学不完的，也没有几个人能像博士一样扎实地学好数学基础，入门人工智能领域，其实只需要掌握必要的基础知识就好。AI的数学基础最主要是高等数学、线性代数、概率论与数......
24 天前 / 黑夜探路人
雷锋网(公众号：雷锋网) AI 科技评论按，「AI 的偏差」是机器学习中非常受关注的一个问题，著名分析师 Benedict Evans 对此发表了一篇文章，雷锋网 AI 科技评论编译整理如下。 机器学习在数据中发现模式。「AI 偏差」意味着它可能会发现错误的模式——一个用于检测皮肤癌的系统可能会更加关注照片是否是在医生办公室拍摄的。机器学习不「理解」任何东西——它只是在数据中寻找模式，如果样本数据不具有代表性，那么输出也不会具有代表性。同时，机器学习的机制让我们难以发现这一问题。 由于人类的多样性，而且有很多理由说明关于人类的数据......
24 天前 / 云水木石
最近下单了NVIDIA Jetson Nano开发套件，由于国内没有现货，需要过一段时间才能拿到。这几天在收集相关的资料，现翻译一篇介绍NVIDIA Jetson Nano的文章：NVIDIA Jetson Nano, a Raspberry Pi on steroids。原文地址：https://blog.raccoons.be/nvidia-jetson-nano ，略有删减。 在上周测试了Google Coral USB加速棒之后，我们在本周也对NVidia Jetson Nano进行了评测。 首次开箱 盒子有啥？盒子里有Jetson Nano…这个答案有点简短，所以让我们来谈谈Jetson Nano究竟是什么： 它基本上是NVidia用来对付谷歌发布的Coral Edge TPU的一款产品，......
26 天前 / 叶锦鲤
分享主题农学专业出身互联网销售的AI算法工程师转型之路 分享人 王东某科技企业 人工智能算法工程师 农学类专业毕业；喜欢和人打交道，从事互联网销售两年，然业绩一直不好。 秣马厉兵，埋头苦学，终于在互联网的寒冬期转型成功，入职某大型科技企业，就任AI算法工程师。 分享内容 1. 农学毕业，投身互联网做销售 1.1 机遇难求：本科农学毕业，本打算回老家承包鱼塘田地，无奈还没毕业就已经被别人承包完了。 1.2 现实骨感：投身互联网销售多种产品，想成为销售高手，但没成功。 2. 转型之旅，......
27 天前 / 推荐算法攻城狮一枚
有许多AI产品朋友经过一定阶段的学习和实践能够掌握槽位在机器人客服、搜索、智能音箱等等产品的应用，但是如果能提升到懂槽位背后的逻辑会对AI产品经理深度发展有更大的支撑，而槽位背后对应的人工智能主要是有专家系统构成。 专家系统又名ES（Expert System）。ES一路是逐步由基于规则、基于框架、基于案例、基于模型和基于网络的5个阶段发展而来。 本篇笔者对每个阶段分析了对应的AI专家系统的知识点，给出实践算法，并通过若干实践案例进行详述。期望通过对专家系统知识点的学习结合实践案例为未来更好上手AI产品做积累。 下......
33 天前 / mr7
Robin.ly是立足硅谷的视频内容平台，服务全球工程师和研究人员，通过与知名人工智能科学家、创业者、投资人和领导者的深度对话和现场交流活动，传播行业动态和商业技能，打造人才全方位竞争力。 2019年3月9日Robin.ly线上技术交流活动特邀Alluxio公司创始成员、开源项目PMC成员范斌博士，与Robin.ly社区成员分享数据架构在过去几十年的演变过程，以及他多年来从事分布式系统研究的经历和体会。 范斌(右)与Robin.ly主持人Julia(左)在硅谷在线分享并与社区互动 以下为技术分享要点，长按二维码或访问http://bit.ly/2P7qSNJ观看完......
35 天前 / 黄哲威_hzwer
Demo:YouTube Arxiv:1903.04411 Github:hzwer/LearningToPaint 画家可以用寥寥数笔创造出迷人的画作，我们试图研究如何让机器掌握这样的能力。通过结合神经网络笔画渲染器和基于模型的深度强化学习，我们的 AI 可以用笔画描绘纹理丰富的自然图像。 AI 用数百个笔画就可以实现视觉效果很好的图画，对于每个笔画，直接确定笔画的位置和颜色等。 AI 的训练过程不需要人类绘画的经验或者笔画轨迹数据。 以人脸 (CelebA) 为例，需要一张 GPU，10 小时训练笔画渲染器，40 小时训练 AI，其间 AI 画了数百万张图片来学习。 下面是我们的 AI 画不同类型......