腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

人工智能头条

专栏作者

1089

文章

1065320

阅读量

148

订阅数

一文聊“图”，从图数据库到知识图谱

spring 数据加密服务知识图谱存储负载均衡

谈到图数据库，首先要聊聊“图”，这里的图不是计算机视觉、图像处理领域的图，而是图论中的图，它由节点和节点间的线组成，通常用来描述某些实体与它们之间的特定关系。下图就是一个典型的图示例，某企业网络设备拓扑和报警管理应用方案的示意图。

2021-01-07

5.2K0

CornerNet为什么有别于其他目标检测领域的主流算法？

编程算法嵌入式存储图像识别神经网络

这篇文章为大家解读由密歇根大学 Hei Law 团队在 ECCV 2018发布的论文，一种新的目标检测算法。

2019-11-19

7680

用机器学习怎样鉴别不可描述的网站

机器学习搜索引擎存储 seo 爬虫

前两天教师节，人工智能头条的某个精神股东粉群里，大家纷纷向当年为我们启蒙、给我们带来快乐的老师们表达感激之情。

2018-09-28

1.7K0

微软资深研究员详解基于交错组卷积的高效DNN | 公开课笔记

人工智能卷积神经网络图像识别存储

作者 | 王井东整理 | 阿司匹林出品 | 人工智能头条（公众号ID：AI_Thinker）卷积神经网络在近几年获得了跨越式的发展，虽然它们在诸如图像识别任务上的效果越来越好，但是随之而来的则是模型复杂度的不断提升。越来越深、越来越复杂的卷积神经网络需要大量存储与计算资源，因此设计高效的卷积神经网络是非常重要和基础的问题，而消除卷积的冗余性是该问题主要的解决方案之一。如何消除消除卷积的冗余性？我们邀请到了微软亚洲研究院视觉计算组资深研究员王井东博士，为大家讲解发表在 ICCV 2017 和 CVP

2018-07-20

4380

机器学习入门概览

机器学习无人驾驶深度学习存储

作者简介：申泽邦（Adam Shan），兰州大学在读硕士研究生，主攻无人驾驶，深度学习。 ▌基本概念我们从一个实例来了解机器学习的基本概念。假设我们现在面临这样一个任务(Task) ,任务的内容是识别手写体的数字。对于计算机而言，这些手写数字是一张张图片，如下所示：对人来说，识别这些手写数字是非常简单的，但是对于计算机而言，这种任务很难通过固定的编程来完成，即使我们把我们已经知道的所有手写数字都存储到数据库中，一旦出现一个全新的手写数字（从未出现在数据库中），固定的程序就很难识别出这个数字来。所以，在这

2018-07-20

2370

数据科学家必知的21个命令

在这篇文章里，我们将要一睹能快速分析文本数据（如日志，报告等）的最方便工具。很多时候，我们需要的数据并不存储在我们的本机上。所以首先，我们要知道如何链接到远程服务器上并使用它。为此，使用SSH最为合适。（SSH，即Secure Shell,是一个加密网络协议，它能让你在一个不安全的网络上安全地远程登陆和使用其他网络服务）在Ubuntu的终端你可以用以下几个命令之一来登陆远程服务器。 $ ssh user@host $ ssh -p port host 通过密钥链接： $ ssh -i key.pem us

2018-07-20

5370

学会“投机取巧”——Redis之父九条忠告，如何成为“一打十”的程序员

云数据库 Redis 开源存储

据维基百科记载：“Redis是一个使用ANSI C编写的开源、支持网络、基于内存、可选持久性的键值对存储数据库。根据月度排行网站DB-Engines.com的数据显示，Redis是最流行的键值对存储数

2018-06-06

5730

从业务角度理解深度学习及其应用

深度学习机器学习人工智能存储

近几年，深度学习在图像、音频处理等领域得到了广泛的应用并取得了骄人的成绩，本文根据笔者的工作实践，谈谈对深度学习理解，以及我们的应用和经验。文章涉及的很多结论，是笔者个人的理解和不充分实验的结果，所以难免谬误，请读者不吝指正。机器学习就是学习对象的表示 “机器学习/深度学习模型依靠左右互搏，可以迅速达到很高的智能水准。”、“人工智能/深度学习能毁灭人类的奇点即将来到！” 网络上经常出现这类观点，让笔者非常惊讶。而让笔者更惊讶的是，很多人居然相信了。那么，什么是机器学习呢？机器学习的对象是我们生活中所接触

2018-06-06

4210

了解物联网生态系统

物联网自动化存储

物联网生态系统剖析可穿戴设备和家庭自动化设备当今主宰着物联网市场，但是物联网的整个生态系统将不断向前演进。图 1 展示了物联网生态系统简图：左侧是终端设备。它们是物联网的终端，提供了通过传感器和致动器感知和控制环境的途径。网关收集来自终端设备的数据，然后传输给云（同时通过云提供控制）。在一些情况下，网关可以处理数据，以增加生态系统的价值。云提供了存储数据和执行分析的途径。云的重要性在于：它是一组能够灵活按需扩展或收缩的资源。云通过应用编程接口和应用（可能位于云中，也可能不位于云中）帮助控制和实现数

2018-06-06

1.7K0

代码将退出历史舞台：像训狗一样训练计算机

人工智能存储

本文为《程序员》原创摘译文章，未经允许不得转载，更多精彩文章请订阅2016年《程序员》计算机尚未出现之前，大多数经验丰富的心理学家都以为大脑就像个不可知的黑匣子。我们可以分析对象的行为——比如著名的巴普洛夫实验：摇响铃铛会让狗分泌唾液，但思维、记忆与情感这些又如何分析呢？这些东西太过模糊、难以了解，远超科学知识的理解范畴。因此这些自称“行为学家”的科学家们将自己的工作范围限定在对刺激和反应、反馈与强化、铃铛与唾液之类的研究上，他们放弃了理解思维内部运作方式的尝试，而这样的时日长达40年之久。之后到了20

2018-06-06

2910

用 R &Python 在云端运行可扩展数据科学

python 数据库存储

前言如今，数据科学变得越来越复杂。这种复杂性由下面三个因素导致：增长的数据生产能力 —— 环视四周，数的出多少个能产生数据的设备呢？如果你用笔记本电脑来浏览本文的话算一个，如果身边有智能手机（以及安装的APPs）的话再加一个，如果带了健身手环的话还要加一个，驾驶的汽车（有些情况下）也算一个 —— 它们都在持续不断地生产数据。现在设想今后几年内的情景，你所使用的冰箱、家里的温度调节器、穿戴的衣物、兜内的钢笔以及喝水的水壶都会嵌入传感器，不断向数据科学家（和数据库）传输数据用来分析。低廉的数据存储成本

2018-06-06

9290

大规模知识图谱的构建、推理及应用

大数据人工智能存储深度学习机器学习

作者 | 李健来源 | 源携程技术中心（ctriptech）随着大数据的应用越来越广泛，人工智能也终于在几番沉浮后再次焕发出了活力。除了理论基础层面的发展以外，本轮发展最为瞩目的是大数据基础设施、存储和计算能力增长所带来的前所未有的数据红利。人工智能的进展突出体现在以知识图谱为代表的知识工程以及以深度学习为代表的机器学习等相关领域。未来伴随着深度学习对于大数据的红利消耗殆尽，如果基础理论方面没有新的突破，深度学习模型效果的天花板将日益迫近。而另一方面，大量知识图谱不断涌现，这些蕴含人类大量先验知识的

2018-06-05

6510

Facebook如何运用机器学习进行亿级用户数据处理

机器学习数据处理存储分布式

编译 | 刘畅、尚岩奇、林椿眄审校 | reason_W 2017年末，Facebook应用机器学习组发布最新论文，对整个Facebook的机器学习软硬件架构进行了介绍。纵览全文，我们也可以从中对Facebook各产品的机器学习策略一窥究竟。论文中涉及到机器学习在全球规模(上亿级数据处理)上的全新挑战，并给出了Facebook的应对策略和解决思路，对相关行业和研究极其有意义。摘要机器学习在Facebook的众多产品和服务中都有着举足轻重的地位。本文将详细介绍Facebook在机器学习方面的软硬件

2018-06-05

7540

如何成为一名异构并行计算工程师

深度学习人工智能存储

作者 | 刘文志责编 | 何永灿随着深度学习（人工智能）的火热，异构并行计算越来越受到业界的重视。从开始谈深度学习必谈GPU，到谈深度学习必谈计算力。计算力不但和具体的硬件有关，且和能够发挥硬件能力的人所拥有的水平（即异构并行计算能力）高低有关。一个简单的比喻是：两个芯片计算力分别是10T和 20T，某人的异构并行计算能力为0.8，他拿到了计算力为10T的芯片，而异构并行计算能力为0.4的人拿到了计算力为20T的芯片，而实际上最终结果两人可能相差不大。异构并行计算能力强的人能够更好地发挥硬件的能力，而

2018-06-05

2.6K0

忆阻器模拟神经细胞让计算机更像人

人工智能神经网络存储

本文来源：中国科技网最近，美国加州大学圣巴巴拉分校研究人员演示了一种包含100个人工突触的简单人工神经元线路，第一次证明了这种线路能执行简单的人类视觉功能——给图像分类，这标志着人工智能的一项重大进步。人脑比电脑具优势尽管人脑有着潜在缺陷，计算中会犯各种错误，但却保持着一种强大而有效的计算模式，它能在不到1秒钟完成某些特殊的任务，而一台计算机要完成这些任务需要更多时间，消耗更多能量。这些功能是什么？比如你阅读一篇文章，你的大脑将对看到的字母和符号作出无数个瞬间决策，区分它们的形状、彼此相对

2018-06-05

6720

机器学习数据采集入门经验分享

机器学习编程算法大数据存储

摘要：PredictionIO总结了数据收集任务中的一些好的实践，能够降低你在机器学习数据收集时的数据清理工作以及数据浪费。这些经验包括:要收集所有数据，每个事件的时间戳，避免序列化和二进制，查询时间和使用队列服务等。在新的一年里，很多人都在思考如何利用机器学习（ML）算法来提高产品或服务的质量。 PredictionIO公司与许多公司合作，部署他们的第一个ML系统和大数据基础设施。PredictionIO总结了数据收集任务中的一些好的实践，并愿意与你分享这些经验。如果你正在考虑采用ML，以正确的格式收

2018-06-05

5850

没有更多了

社区活动

RAG七天入门训练营

鹅厂大牛手把手带你上手实战，赢鹅厂证书、公仔好礼！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态