人工智能

点击上方 Z先生点记 ，加为星标 第一时间收到 Python 技术干货！ 学 Python 怎样才最快，当然是实战各种小项目， 只有自己去想与写，才记得住规则 。本文是 30 个极简任务，初学者可以尝试着自己实现；本文同样也是 30 段代码，Python 开发者也可以看看是不是有没想到的用法。 1 重复元素判定 以下方法可以检查给定列表是不是存在重复元素，它会使用 set() 函数来移除所有重复元素。 def all_unique(lst): return len(lst)== len( set (lst)) x = [1,1,2,2,3,2,3,4,5,6] y = [1,2,3,4,5] all_unique(x) # False all_unique(y) # True 2 字符元素组成判定 检查两个字符串的组成元素是不是一样的。 from collections import Counter def anagram(first, second): return Counter(first) == Counter(second) anagram( "abcd3" , "3acdb" ) # True 3 内存占用 import sys variable = 30 print (sys.getsizeof(variable)) # 24 4 字节占用

学 Python 怎样才最快，当然是实战各种小项目， 只有自己去想与写，才记得住规则 。本文是 30 个极简任务，初学者可以尝试着自己实现；本文同样也是 30 段代码，Python 开发者也可以看看是不是有没想到的用法。 、1 重复元素判定 以下方法可以检查给定列表是不是存在重复元素，它会使用 set() 函数来移 除所有重复元素。 def all_unique(lst): return len(lst)== len(set(lst)) x = [1,1,2,2,3,2,3,4,5,6] y = [1,2,3,4,5] all_unique(x) # False all_unique(y) # True 2 字符元素组成判定 检查两个字符串的组成元素是不是一样的。 from collections import Counter def anagram (first, second) : return Counter(first) == Counter(second) anagram( "abcd3" , "3acdb" ) # True 3 内存占用 import sys variable = 30 print(sys.getsizeof(variable)) # 24 4 字节占用 下面的代码块可以检查字符串占用的字节数。 def byte_size (string) :

前言 欢迎关注我的微信公众号【 Mflyyou 】获取持续更新。 github.com/zhangpanqin/MFlyYou 收集技术文章及我的系列文章，欢迎 Star。 数据库中的索引是为了提高查询效率的，将像字典的目录一样。 当我们了解索引的原理之后，就没有必要去死记硬背所谓的 Mysql 军规之类的东西了。 本文内容 索引的类型：UNIQUE，FULLTEXT，SPATIAL，NORMAL(普通索引) 索引为什么会采用 B+ 树结构，为什么不是二叉树、B- 树 Mysql 中 B+ 树索引 和 Hash 索引应该选哪个 为什么索引的使用需要遵循 最左匹配原则 联合索引 、 聚簇索引 和 覆盖索引 分别是什么 索引添加的判断依据是什么 索引 Mysql 中常见的索引类型有： 普通索引 唯一索引 全文索引 空间索引 Mysql 中索引的数据结构有： B+Tree ，存储引擎 InnoDB 和 MyISAM 都支持。因为我们一般都是使用存储引擎 InnoDB 和 MyISAM ，我们都是使用 B+Tree 数据结构的索引。 HASH ，存储引擎 MEMORY 支持，存储引擎 InnoDB 和 MyISAM 不能手动定义 HASH 索引。 因此，我们详细了解 B+Tree 就行了。 我们先来介绍一下两种索引的数据结构的区别，感受一些各自的使用场景。 Hash 数据结构的索引

信息来源 | 气象杂货铺( meteogs ) 作者 | bugsuse 背景动机 AI，机器学习/深度学习技术（包括深层神经网络，DNN）在许多领域和应用中取得了很大的进展，包括医药、自动驾驶、社交媒体、金融工业等。在私有领域，人工智能的准确性和可用性方面的惊人增长具有显著意义。人工智能在气象学和海洋学领域也取得了显著的进展。然而，直到最近，在环境科学领域只有很少的AI应用开发工作。令人鼓舞的是，AI在这些领域的应用在不断增加，而且取得了令人鼓舞的结果，其中包括预测技能。随着卫星数据的不断增加以及社会依赖的增加，将会持续改善预报准确率和精度。来自高分辨率卫星和传感器，一系列新传感器，以及物联网背景下新观测设备的数据不断增加。这些数据的增加将给这些数据的应用带来极大的挑战，AI已经成为潜在的解决技术。 第四期主要内容 在预报中将数据同化与机器学习结合 通过AI检验气候信号 海洋环境中的视频和图片分析 通过人工智能和机器学习技术生成高时空分辨率的是飓风影像 资源获取 第一期PPT资料获取，后台回复NOAA1 第二期PPT资料获取，后台回复NOAA2 第三期视频获取，后台回复NOAA3 第四期视频获取，后台回复NOAA4 本文分享自微信公众号 - 好奇心Log（Curiosity-log）。 如有侵权，请联系 support@oschina.cn 删除。 本文参与“ OSC源创计划 ”

我们先来看看效果 上面是根据图片检测出其中的人脸、每个人脸的年龄还有性别，非常强大 第一步： 登录 https://ai.arcsoft.com.cn/ ，注册开发者账号，身份认证，注册应用，得到APPID和SDKKEY 第二步： 阅读SDK接入文档 https://ai.arcsoft.com.cn/manual/arcface_android_guideV2.html 其中重要的是下面 Step1：调用FaceEngine的active方法激活设备，一个设备安装后仅需激活一次，卸载重新安装后需要重新激活。 Step2：调用FaceEngine的init方法初始化SDK，初始化成功后才能进一步使用SDK的功能。 Step3：调用FaceEngine的detectFaces方法进行图像数据或预览数据的人脸检测，若检测成功，则可得到一个人脸列表。（初始化时combineMask需要ASF_FACE_DETECT） Step4：调用FaceEngine的extractFaceFeature方法可对图像中指定的人脸进行特征提取。（初始化时combineMask需要ASF_FACE_RECOGNITION） Step5：调用FaceEngine的compareFaceFeature方法可对传入的两个人脸特征进行比对，获取相似度。（初始化时combineMask需要ASF_FACE

#一.我对咱专业的认识 基本概念：计算机科学与技术是一门设计和使用计算机的理论和实践基础，包括处理、存储和传输数字信息的算法学习的学科（前期重理论，后期偏实践） 目前状况：计算机在目前的应用很广泛，在人工智能，软件开发，信息管理等等领域都离不开计算机，很多大型的工程对计算机的依赖性更大 学习内容：这个专业在大学期间主要学习计算机组成原理、计算机网络、操作系统、数据结构、语言编程等等 未来就业：在这个数字信息迅速发展的当下，计算机无处不在，无孔不入，无所不能，哪里有电脑，哪里就需要咱 #二.C语言的神秘面纱 地位：在很多领域无可替代，几乎所有和硬件打交道的地方都得要用C语言，目前为止世界上最流行，使用最广泛的高级语言之一 作用：设计系统语言，编写应用程序 优劣：适用范围大，可移植性好；C语言程序生成代码质量高，程序执行效率高。缺点主要表现在数据的封装性上，这一点使得C在数据的安全性上做的有很大缺陷，这也是C和C++的一大区别。 应用：C语言主要用于底层开发，Windows、Linux、Unix 等操作系统的内核90%以上都使用C语言开发，开发硬件驱动，让硬件和操作系统连接起来，这样，用户才能使用硬件、程序员才能控制硬件。 #三.希望学到的内容 掌握基础的编程语言，在此基础上进一步学习熟练C++、Java、Python等等进阶语言 学习掌握编写程序，开发软件的能力

机器学习九大算法---支持向量机 出处：结构之法算法之道 blog 。 前言 动笔写这个支持向量机( support vector machine)是费了不少劲和困难的，原因很简单，一者这个东西本身就并不好懂，要深入学习和研究下去需花费不少时间和精力，二者这个东西也不好讲清楚，尽管网上已经有朋友写得不错了( 见文末参考链接)，但在描述数学公式的时候还是显得不够。得益于同学白石的数学证明，我还是想尝试写一下，希望本文在兼顾通俗易懂的基础上，真真正正能足以成为一篇完整概括和介绍支持向量机的导论性的文章。 本文在写的过程中， 参考了不少资料，包括《支持向量机导论》、《统计学习方法》及网友 pluskid的支持向量机系列等等， 于此，还是一篇 学习笔记，只是加入了自己的理解和总结，有任何不妥之处，还望海涵。全文宏观上整体认识支持向量机的概念和用处，微观上深究部分定理的来龙去脉，证明及原理细节，力保逻辑清晰 & 通俗易懂。 同时，阅读本文时建议大家尽量使用 chrome等浏览器，如此公式才能更好的显示，再者，阅读时 可拿张纸和笔出来，把本文所有定理.公式都亲自推导一遍或者直接打印下来（可直接打印网页版或本文文末附的PDF ，享受随时随地思考、演算的极致快感），在文稿上演算。 Ok，还是那句原话，有任何问题，欢迎任何人随时不吝指正 & 赐教，感谢。 第一层、了解SVM 1.0

文 | 李永华 来源 | 智能相对论（aixdlun） 伴随AI开放平台兴起的除了AI创业大潮，还有“AI加速器”这个源自硅谷的舶来品。本土科技企业、知名国际加速器纷纷通过新设业务或分部的方式入局AI加速器，既有腾讯这样的航母级企业走出去寻找项目，也有微软加速器这样的外来者扎根本土培育优质项目。 而随着腾讯的开启，AI加速器开始迅速升温。这种围绕AI能力开放的AI创业者扶持模式取代了传统支持力度有限的孵化器，开始大展拳脚，围绕AI加速器的竞争也拉开了序幕。 4月13日，腾讯在2018腾讯互联网+峰会上宣布其AI加速器二期启动全球招募，在玩法上进行“升级”， 聚焦医疗、智慧零售、智慧楼宇等赛道，同时也广邀农业、工业、旅游、环保、内容等行业合作伙伴的加入。 在这之前的9个月，首期腾讯AI加速器29个项目整体估值从70亿增长到200多亿。 而稍早前的3月，百度AI加速器第一期项目结项时一场声势浩大的Demo Day显示出百度把AI加速器提到了重要的战略位置。 虽然还没有入局，但马云曾说过投资1000亿的达摩院真正要做的是把技术进行普惠,看起来，相互争斗不止的BAT在AI加速器这里的会战也一定少不了， 催热“AI加速器”、最近又动作频频的腾讯则暂时处在领先位置上。 一 AI开放玩法下，加速器一定会变热闹 尽管在模式上AI加速器与创业孵化器有些类似，但“加速”而非“孵化

/// </summary> /// <param name="Id"></param> /// <returns></returns> public bool CheckIDCard( string idNumber) { if (idNumber.Length == 18 ) { bool check = CheckIDCard18(idNumber); return check; } else { return false ; } } /// <summary> /// 18位身份证号码验证 /// </summary> /// <param name="idNumber"></param> /// <returns></returns> public bool CheckIDCard18( string idNumber) { long n = 0 ; if ( long .TryParse(idNumber.Remove( 17 ), out n) == false || n < Math.Pow( 10 , 16 ) || long .TryParse(idNumber.Replace( ' x ' , ' 0 ' ).Replace( ' X ' , ' 0 ' ), out n) == false ) { return false ; // 数字验证 }

妹子图网站----前言 从今天开始就要撸起袖子，直接写Python爬虫了，学习语言最好的办法就是有目的的进行，所以，接下来我将用10+篇的博客，写 爬图片 这一件事情。希望可以做好。 为了写好爬虫，我们需要准备一个火狐浏览器，还需要准备抓包工具，抓包工具，我使用的是CentOS自带的tcpdump，加上wireshark ，这两款软件的安装和使用，建议你还是学习一下，后面我们应该会用到。 妹子图网站---- 网络请求模块requests Python中的大量开源的模块使得编码变的特别简单，我们写爬虫第一个要了解的模块就是requests。 妹子图网站---- 安装requests 打开终端：使用命令 pip3 install requests 等待安装完毕即可使用 接下来在终端中键入如下命令 # mkdir demo # cd demo # touch down.py 上面的linux命令是 创建一个名称为 demo 的文件夹，之后创建一个 down.py 文件,你也可以使用GUI工具，像操作windows一样，右键创建各种文件。 为了提高在linux上的开发效率，我们需要安装一个 visual studio code 的开发工具 对于怎么安装vscode，参考官方的https://code.visualstudio.com... 有详细的说明。 对于centos则如下： sudo