相关内容
Deep Photo Styletransfer的一种纯Tensorflow实现，教你如何转换图片风格
图片出处：见水印免责声明:本软件仅供学术和非商业用途使用。 设置依赖关系tensorflownumpypillowscipypycuda(用于平滑的局部仿射(local affine)，在cuda 8.0上进行测试)建议使用anaconda python，因为你只需要手动安装tensorflow和pycuda。 cuda你可以选择性的安装，但它确实是值得推荐的。 下载vgg-19模型权重在vgg...
如何“锚定”NLP模型中的语言智慧？丨长文评析语言探针
图 4（左）中的探针性能显示，bert 层对语言信息进行了编码，能够很好地检测出泛化数据中的 “主要助动词”。 ?图 5 图片出处：acl 2019? 图 6 图片出处：acl 2019类似地，对 “主语名词” 任务的渐进式数据集进行泛化同样是一项相对困难的任务。 不过，值得庆幸的是，随着连续层中探测分类器性能的提高，可以注意到...
Reactive-MongoDB异步Java Driver解读
图片出处：http:wiki.jikexueyuan.comindex.phpprojectreactor-2.005.htmlmongodb 的异步驱动为mongo-java-driver-reactivestreams 组件，其实现了 reactive stream 的上述接口。 除了 reactivestream 之外，mongodb 的异步驱动还包含 rxjava 等风格的版本，有兴趣的读者可以进一步了解http:mongodb.github.iomongo...
Apache Kylin VS Apache Doris
kylin查询快的核心原因就是预计算，如图(图片出处 apache kylin 2.0: from classic olap to real-time datawarehouse)，kylin现场查询时不需要join，也几乎不需要聚合，主要就是scan + filter。 why doris query fast：in-memory metadata。 doris的元数据就在内存中，元数据访问速度很快。 聚合模型可以在数据导入时...
深度解析文本检测网络CTPN
效果图这是去年做的银行卡号识别项目的效果图，可以看出ctpn对这种横向的文字检测效果还是很好的：? 对于场景中的文本检测效果也是不错：? 参考（1）paper https:arxiv.orgabs1609.03605（2）文本线构造方法说明：https:zhuanlan.zhihu.comp34757009（3）可视化图片出处：https:www.bilibili.comvideobv1xj411k7sf?...
AsciiDoc 简介
（图片出处：(http:xkcd.com927)） 最近我在摸索制作电子书制作方案，需要一种更严谨、功能更丰富的标记语言，便开始寻找比 markdown 更好的选择。 现行的轻量级标记语言并不少，(http:en.wikipedia.orgwikilightweight_markup_language)（有三种是 markdown 方言经过一些研究之后，我比较看好 asciidoc，它的设计...
你想要的 HBase 原理都在这了
图片出处：http:www.nosqlnotes.comflush 性能影响如果 memstore 很小，意味着flush 的次数会很多，一旦compaction的速度跟不上就会产生大量的hfile 文件，这会导致读性能恶化，为了减缓这个问题，hbase 使用了 in memory flush and compact 的方法，即数据在 memstore 中先经分段(segement)、flush、compaction 过程...
GoLang：你真的了解 HTTPS 吗？
参考下图（图片出处不查）： ? ---- vi. https 实战问题记录 问题：https 是否需要做域名劫持？ 没必要。 原因如下：https 在证书校验这步，客户端除了通过对比数字签名来校验证书的有效性，还会比较证书上的域名是否与自己要访问的域名一致。 因此，只要服务器的证书是可信的且客户端不跳过“证书验证”这个步骤...
你想要的 HBase 原理都在这了
图片出处：http:www.nosqlnotes.comflush 性能影响如果 memstore 很小，意味着flush 的次数会很多，一旦compaction的速度跟不上就会产生大量的hfile 文件，这会导致读性能恶化，为了减缓这个问题，hbase 使用了 in memory flush and compact 的方法，即数据在 memstore 中先经分段(segement)、flush、compaction 过程...
你想要的 HBase 原理都在这了
图片出处：http:www.nosqlnotes.comflush 性能影响如果 memstore 很小，意味着flush 的次数会很多，一旦compaction的速度跟不上就会产生大量的hfile 文件，这会导致读性能恶化，为了减缓这个问题，hbase 使用了 in memory flush and compact 的方法，即数据在 memstore 中先经分段(segement)、flush、compaction 过程...
5G 时代自动驾驶有什么新机遇？需要学习哪些知识？
图片出处：github apolloauto当算法研究得较为成熟时，就可以将嵌入式系统作为控制器，比如audi和tttech共同研发的zfas，目前已经应用在最新款audi a8上量产车上了。? 图片出处：奥迪在 ces 上做了什么？ 3.can卡工控机与汽车底盘的交互必须通过专门的语言——can。 从底盘获取当前车速及方向盘转角等信息，需要解析...
机器学习之SVM原理
相信了解机器学习的同学都知道，svm的“完美强迫症”使得其在各大模型中，几乎是一个“统治性”的地位。 但是也不是那么绝对啦，svm比较耗时，因此不适合那些超大样本。? 认识svm性质：首先一般情况，它主要解决的是分类问题（当然，回归也是可以做）。 解决的2个主要问题：1、最大间隔问题先看一组图片 （图片出处）...
【技术分享】机器学习之SVM - 理论知识
解决的2个主要问题：1、最大间隔问题先看一组图片 （图片出处）1.png假设有一堆球，想用一根棍子把它们分开，怎么做？ 2.png有人这么做，确实分开了，那就可以下班了吗？ 显然不行3.pngsvm看到后，强行把棍子扭一扭才舒服，扭完后棍子离两边的球都比较远了。 ok，先给出几个关于svm的术语：小球：数据棍子：超平面...
Apache Kylin VS Apache Doris全方位对比
kylin查询快的核心原因就是预计算，如图(图片出处 apache kylin 2.0: from classic olap to real-time datawarehouse)，kylin现场查询时不需要join，也几乎不需要聚合，主要就是scan + filter。 why doris query fast：in-memory metadata。 doris的元数据就在内存中，元数据访问速度很快。 聚合模型可以在数据导入时...
浅析某针对乌克兰国防和经济部门的大规模钓鱼事件
经过比对，图片出处可能来自顿巴斯战争。? 攻击频度统计显示该组织的攻击活动持续活跃，最近三月持续对外输出钓鱼邮件。 (ps.其它维度的统计懒得写了)? 番外篇本来准备在番外一聊聊re2a1er1是一位勤劳的矿主，讲讲区块链的故事。 由于小编没有完成美美的数据可视化配图，实在没有心思编故事。 我们来讲番外二：如此长...
（修订）斩获腾讯微信后台开发offer大神的近1.5W字的面试干货分享
有什么学习相关的问题可以私信我或者给我评论.... c++技能树 ? 图片出处（需要的可以后台回复 c面经）：https:www.nowcoder.comdiscuss103228? type=1&order=4&pos=4&page=2c＋＋后台腾讯微信面经 时间：2018年4月16日岗位：cc＋＋后台开发（linux）bg：wxg关于我：本科大三 预计2019年毕业一面（普通技术面）过程...
【深度学习入门】——亲手实现图像卷积操作
图片出处 编码实践经过上面的介绍，我们已经具备了图像卷积的基本理论，现在让我们开始通过代码论证吧。 示例代码采用 python 语言，当然你不熟悉 python 语言的话，你可以换成其他语言其实也是可以的，比如 matlab。 我们先引进 numpy 和 matplotlib.pyplot。 import numpy as npimport matplotlib.pyplot as plt...
免费的才是最贵的：阿里AntD圣诞节“踩蛋”事件
起因是阿里的前端开源项目 ant design，在圣诞节弄了个彩蛋：所有按钮上多了一块积雪，页面的浏览器标题会变成“ho ho ho!”（圣诞老人的笑声）。 ? 图片出处 微博@不给力的面条ant design 是由蚂蚁金服开源的一款前端设计框架。 使用开源框架的好处就是我们之前提过的“避免重复造轮子”，可以很轻松地搭建出美观...
MQ在分布式系统中的使用场景
（图片出处：http:www.cnblogs.comsavorboardpdistributed-system-transaction-consistency.html）上图描述了一个基于mq实现最终一致性的一种解决方案（异步确保模式）。 主要描述的是db a和db b分属两个不同的数据中心要进行数据同步，消息发送方会将数据写入至mq中并在本地记录消息标识（已发送的消息）...
我是这样入门“机器学习”的
学完对机器学习的理解，昨天碰巧在网上(图片出处)遇到这张图，就偷懒不自己画了：? 看完cousera上ng的课，里面如果有不清楚的，可以横向看一下书和网上找文章，建议手动推导一遍梯度下降算法，再用python实现一遍梯度下降算法。 尽可能所有的公式都手动推导一下，提高自己的运算水平，补充之前没有做题的缺陷...
