相关内容
C 语言与 C++ 学习路线
c语言数据类型、变量、内存布局、指针基础； 字符串、一维数组、二维数组； 一级指针，二级指针，三级指针，n级指针概念，指针数组和数组指针； 结构体、文件的使用； 动态库的封装和设计； 函数指针回调函数。 配套视频：轻松掌握c语言视频教程（会打字就能学会）全国计算机等级考试二级c语言视频教61节课浙大翁恺cc...
如何设计好一门集成电路设计MOOC课程
首先是神的时代，诞生了多门经典的基础课程，比如浙江大学翁恺老师的c语言，北京理工大学嵩天老师的python。 这些课程目前在中国大学mooc排行榜中持续多年在前十位，课程学习人数在千万甚至亿次，影响力非常大。 已经成为中国mooc课程经典代表。 第二个时代是英雄的时代，在集成电路设计领域，我们可以看到有清华大学...
PTA基础编程题目之厘米换算英尺英寸
结果真的是步入了陷阱里面。 一直想要解方程的方法去解决这个问题。 但是一直无法得到想要的结果。 终于，@见嘉于世 博客里的一句话悟了：“实际上它的意思是，给你几英尺几英寸求对应的身高（米）”。 我才想起在翁恺 老师的c语言课程里面也是见过，也曾做过。 记忆总是无法长久啊。 解： 输入身高 x 英尺 y 英寸...
7 papers | Quoc V. Le、何恺明等新论文；用进化算法设计炉石
机器之心整理 参与：杜伟、一鸣本周较为重要的研究有 quoc v. le 和何恺明各自在 imagenet 上的新研究。 同时 keras 之父 franois chollet 针对智能水平的评价方法提出了自己的定义和基准。 此外还有一些有趣的研究，如在股票预测任务上对比神经网络性能，以及使用进化算法设计炉石传说游戏等。 目录：self-training ...
敖丙大学四年自学走来，这些私藏的实用工具学习网站我贡献出来了
这是我在大学自学c语言和计算机基础的地方，学校有相关课程，但是我容易走神，所以我一般会选择在这里补课，是一个非常良心的免费学习网站，里面主要是大学相关课程的视频，什么类型的都有。 现在我都还记得浙江大学的翁恺老师，当时我就在学校感慨，这个男人怎么这么有魅力。 imooc网址：www.imooc.com? 慕课网主要...
非计算机专业出身，能做好Java吗？
入坑java后你心底有没有泛起过丝丝不安，不知道自己有没有选对方向？ 6月14日，我们邀请了最受欢迎的浙大计算机教授翁恺老师来给大家进行java方向直播分享...作为非计算机专业的同学，我不建议大家一开始就去学习java或者c语言，还有所谓的各种框架。 很多非计算机专业的同学可能会通过自学或者社会上的一些所谓的...
银联周雍恺：开放交换机组网技术和前沿进展
在第三届未来网络发展大会sdnnfv技术与应用创新分论坛上中国银联电子商务与电子支付国家工程实验室周雍恺博士，发表了主题为《开放交换机组网技术和前沿进展》的主题演讲。? 本次演讲内容主要有三大部分的内容，第一部分是开放交换机的前沿进展； 第二部分介绍组网，尤其是云原生数据中心的组网； 第三个部分是金融业...
7 papers | AI新方法解高数；Ross、何恺明等人渲染思路做图像分割
推荐：数学也可以是一种自然语言，而使用机器翻译方法就可以解决数学问题，这是 facebook 科学家提出的用神经网络精确解符号计算的方法。 论文 6：pointrend: image segmentation as rendering作者：alexander kirillov、吴育昕、何恺明、ross girshick论文链接：https:arxiv.orgpdf1912.08193.pdf摘要：提到何恺明...
谷歌2019 学术指标发榜：CVPR首次进入Top 10，何恺明论文引用最高！
引用次数：8960这个类别中，何恺明的“深度残差网络”以25256次引用排名第一！ （由于被ieee计算机视觉与模式识别论文集收录，faster r-cnn出现了两次。 计算机语言学 top20，三大nlp顶会分列前三 ? 在自然语言处理（google scholar 中的分类是 computational linguistics）领域，不出意外，排名前三的是三大nlp顶会...
谷歌2019 学术指标发榜：CVPR首次进入Top 10，何恺明论文引用最高！
引用次数：8960这个类别中，何恺明的“深度残差网络”以25256次引用排名第一！ （由于被ieee计算机视觉与模式识别论文集收录，faster r-cnn出现了两次。 计算机语言学 top20，三大nlp顶会分列前三 ? 在自然语言处理（google scholar 中的分类是 computational linguistics）领域，不出意外，排名前三的是三大nlp顶会...
【何恺明最新论文】非局部神经网络，打造未来神经网络基本组件
【新智元导读】何恺明又出论文了，这次与cmu和fair的几位作者合作，提出了“非局部神经网络”。 受计算机视觉中的经典非局部均值方法的启发而来，非局部网络可以作为一个简单高效的通用模块，嵌入现有视觉模型中，实验证明能够提高图像及视频分类精度，用作者的话说，在视频分类任务上，即使没有任何花里胡哨的处理...
何恺明一作，刷新7项检测分割任务，无监督预训练完胜有监督
机器之心报道 机器之心编辑部facebook ai研究团队的何恺明等人提出了一种名为动量对比（moco）的无监督训练方法。 在 7 个与检测和分割相关的下游任务中，moco 可以超越在 imagenet 上的监督学习结果，在某些情况下其表现甚至大大超越后者。 作者在摘要中写道：「这表明，在许多视觉任务中，无监督和监督表征学习之间...
Facebook介绍ICCV2017收录论文，其中五分之一都有何恺明的名字（附下载链接）
（雷锋网 ai 科技评论发现，何恺明有多达三篇论文被收录； 而谷歌的李飞飞也参与了一篇facebook的论文） 语义和图像分割mask r-cnn作者：何恺明，georgia ...视觉和语言综合应用inferring and executing programs for visualreasoning用于视觉推理的推断和执行程序作者：justin johnson, bharath hariharan...
【最新前沿】Facebook何恺明等大神最新论文提出非局部神经网络（Non-local Neural Networks）
这种非局部操作可以很方便的嵌入已有模型，在视频分类任务中取得的很好的结果，并在在静态图像识别的任务中超过了何恺明本人iccv最佳论文的mask r-cnn。 何恺明等人提出新的非局部通用网络结构，超越cnn。 何恺明博士，2007年清华大学毕业之后开始在微软亚洲研究院（msra）实习，2011年中国香港中文大学博士毕业后...
本周AI热点回顾：何恺明RegNet超越EfficientNet、数学难题“abc猜想”封印终被开启、微软麻将 AI 论文发布
01何恺明团队最新力作regnet：超越efficientnet，gpu上提速5倍还是熟悉的团队，还是熟悉的署名，facebook ai实验室，推陈出新挑战新的网络设计范式。 熟悉的ross，熟悉的何恺明，他们带来全新的——regnet。 不仅网络设计范式与当前主流“背道而驰”：简单、易理解的模型，也可以hold住高计算量。 而且在类似的条件下...
Facebook AI何恺明又一新作 | 研究MoCo(动量对比学习)，超越Hinton的SimCLR，刷新SOTA准确率
deepmind在最新论文representation learning with contrastive predictivecoding中，提出一种新的表示学习方法——对比预测编码（contrastive predictive coding,cpc），将其应用于各种不同的数据模态、图像、语音、自然语言和强化学习，证明了相同的机制能够在所有这些领域中学习到有意义的高级信息，并且优于其他...
云原生视角下的开放网络
为了适应这个趋势，网络也需要进行相应的改造以更好地支撑云原生平台大规模的弹性能力与服务自愈和的特性。 开放网络的技术将在云原生场景中得以广泛应用。? 本文根据周雍恺博士在ncdc大会上的演讲报告《云原生视角下的开放网络》整理而成。? 何谓“云原生”从2015年开始，微服务、cicd、devops、serverless、sre等...
2018年国外主要实验室和科研团队成果和动向
何恺明作为第一作者获得了cvpr 2009，cvpr 2016和iccv 2017（marr prize）的最佳论文奖，并获得了iccv 2017最佳学生论文奖。 2017年4月，何恺明获选中国...8月，csail正式发布编程语言julia 1.0，这门由mit csail 实验室开发的编程语言结合了 c 语言的速度、ruby 的灵活、python的通用性，以及其他各种语言的...
深度 | 张正友：计算机视觉的三生三世 | CCF-GAIR 2019
在深度学习时代还有一个里程碑的工作，2015 年，微软亚洲研究院的何恺明和孙剑提出 resnet，用了 152 层神经网络，在 imagenet 测试集上的误差比人还低...那时候计算机视觉还没有红火，那届 iccv 大概只有 200 个参会者，华人就更少了，大概只有我，权龙，还有 tom 的学生翁巨扬。 我在博士期间围绕三维动态...
腾讯 AI Lab &Robotics X 主任张正友博士：计算机视觉的三生三世 | CCF-GAIR 2019
在深度学习时代还有一个里程碑的工作，2015 年，微软亚洲研究院的何恺明和孙剑提出 resnet，用了 152 层神经网络，在 imagenet 测试集上的误差比人还低...那时候计算机视觉还没有红火，那届 iccv 大概只有 200 个参会者，华人就更少了，大概只有我，权龙，还有 tom 的学生翁巨扬。 我在博士期间围绕三维动态...
