julia

图片来源：Unsplash Julia 语言是近年来科学世界中出现的一匹黑马。物理学家 Lee Phillips 发表了一篇高质量的科普，介绍了这种科学计算语言的真正魅力所在。 >>>> 最近，我和许多科学家在网上视频见面了很多次，他们对一个新工具感到兴奋。它既不是最新的粒子加速器，也不是超级计算机，而是一种年轻的计算机语言 ——Julia。 不同的计算机语言擅长的工作也不一样，有的运行速度很快，有的则更容易开发和部署，有的拥有庞大的生态系统和库，有的则适用于解决特定问题。 对于需要模拟气候变化或核聚变的科学家来说，目前的主流语言是 Fortran。它的编译器可以充分利用大型超级计算机的强大性能。而对于数据科学家来说， Python才是最受青睐的语言，因为它拥有丰富的生态系统，强大的交互性和快速的开发周期。 六年前，我撰文描写了 Fortran 在科学计算领域的地位，并与其他几种语言进行了比较。在文章结尾处我曾预测：十年后，一种名为 Julia的新语言很可能取而代之，成为科学家在解决大规模数字计算问题时更愿意使用的语言。 我的预言不是很准确，因为 Julia 只用了大约一半的时间，就接近了这一目标。 通过近年与许多科学家的交流，我确信，Julia 在业界掀起了新的热情。不过，当年分析它的潜力时，我还不明白为什么这种语言会如此受欢迎。 当时，我的评估是基于 Julia

来源 | Jack Cui 头图 | CSDN下载自视觉中国 今年提出的 U^2-Net 显著性检测算法，刷爆了 reddit 和 twitter，号称是 2020 年「地表最强」的静态背景分割算法，可以看下效果： 你以为今天要讲分割？错！ U^2-Net 这两天又出新活，在 U^2-Net 网络架构基础上，实现了人物肖像画的生成，细节「完美」复刻。 我用自己的「歪脖子照」测试了下效果。 万年不变老规矩，继续手把手教学。 算法原理、环境搭建、效果实现，一条龙服务，尽在下文！ U^2-Net 受 U-Net 网络的启发，U^2-Net 也是一种类似编码-解码（Encoder-Decoder）的网络结构。 研究者在此基础上，提出了新型残差 U-block（ReSidual U-block, RSU），融合不同尺寸接受野的特征，以捕获更多不同尺度的上下文信息。 RSU 网络与现有卷积块的结构对比如下： 最右边的结构，就是 RSU-L，L 表示编码器中的层数，C_in、C_out 分别表示输入和输出通道，M 表示 RSU 内层通道数。 具体而言，RSU 主要有三个组成部件，分别是一个输入卷积层、一个高度为 L 的类 U-Net 对称编码器 - 解码器结构以及一个通过求和来融合局部和多尺度特征的残差连接。 为了更好地理解设计理念，研究者在下图中对 RSU 与原始残差块进行了比较。 结果显示