人工智能

↑↑↑点击上方 蓝字 ，回复 资料 ，10个G的惊喜 作者：蛋酱、小舟，编辑：机器之心 神经网络画图神器 ML Visuals 正在持续更新。 去年 5 月，机器之心曾向大家推荐一款名为 ML Visuals 的机器学习画图模板，该项目受到广泛关注，迄今已收获 2.2K Star。ML Visuals 专为解决神经网络画图问题设计，最近，这一模板进行了更新。（ 文末附PPT下载链接 ） 项目地址：https://github.com/dair-ai/ml-visuals ML Visuals 现在包含了 100 多个可用的自定义图形，使用者可以在任何论文、博客、PPT 中使用这些资源。 这份 101 页的模板共包含几个部分： 基础组件 架构 机器学习概念 抽象背景 渐变背景 机器学习 & 健康 其他 机器学习系统设计 基础组件 这套画图模板首先提供了多种基础组件，比如表示过程、操作或转换的圆角矩形，表示神经元或任意操作的小圆圈，表示向量的一排小方块以及表示多维数组的网格等。 架构 架构部分的模板数量最多，共有 32 张。对于复杂的模型架构来说，套模板显然事半功倍，比亲手画图要便捷得多。 比如，画出卷积操作的示意图： 使用该模板重现一些经典架构也是得心应手，比如下图是使用该模板绘制的 Transformer 架构图： 机器学习概念 该模板还可以用来表示机器学习中的一些基本概念，比如

我们平时写代码的时候，多少都会依赖编辑器的代码补全功能，敲几个字母就能补全一个词。可是这么多年过去了，语言升级了很多次，而代码提示却没有升级，还是只能限定在一个词，毫无意义地按照字典表顺序排列，这对于编程来讲，又有什么价值呢？ 传统的代码补全，一大篇毫无意义的推荐 试想一下，如果用 【AI】 来做代码提示，按照上下文和以往代码用深度学习技术分析之后，在个人编程的时候，根据个人编程习惯做推荐，把编码常用的结果前置，紧接着给出更长甚至补完一整行的推荐结果，对于编程就非常有价值了。 用AI做代码补全，根据使用情况智能排序，甚至补完整个语 近期，一款AI代码补全工具—— aiXcoder （官网： www.aixcoder.com ），在程序员间掀起了波澜，很多群和朋友圈都在寻求共同编程好友一起领取官方专业版。深度了解一下，aixcoder是 国内硅心科技 开发，安装使用傻瓜式操作，推荐效果秒杀一切代码提示工具。 于是我测试了一下这个号称 【帮助程序员节省时间】 的工具，看看AI编程进展到什么程度，是如何帮助程序员节省时间。 本着 【独立客观第三方】 的原则，挑选第三方的代码进行测试。 既然说可以节省编程时间，从 【键盘按键】 数量的角度进行统计与比较，因为敲击键盘数量越少，从开发的角度越省时间。 【Round One：Tensorflow】

作者：张东霞，来源：LSGO软件技术团队 2020年5月15日，在中国电科院双创中心主办的能源互联网双创讲坛上，《中国电机工程学报》副主编张东霞作了题为“人工智能在电力系统的应用”的报告，以下为该报告的PPT全文： 01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 本文分享自微信公众号 - 肉眼品世界（find_world_fine）。 如有侵权，请联系 support@oschina.cn 删除。 本文参与“ OSC源创计划 ”，欢迎正在阅读的你也加入，一起分享。 来源： oschina 链接： https://my.oschina.net/u/4196289/blog/4778759

本文作者 ： ML03 -Jeff - 产品/设计/运营/人工智能/物理 相关文章推荐： 智能时代之前，我们一直在量化世界-01 机器解读知识，从海量的知识中抽取出「元知识」-02 一道关于知识的公式 -03 AI把机器变成人，还是把人变成机器 今天我们聊聊AI经济学，经济学在大学里面无非是研究人类经济活动的规律，那么经济的本质是解释人类资源如何配置和优化，往往通俗方式会把经济学分为宏观和微观2个视角，但是经济学鼻祖亚当斯密的《国富论》思想推动了英国第一次工业革命的发展。 经济学往往会聊商品、价格、市场规律等。 传统以基础的角度去研究计算人类资源的配置和优化，但是 今天在AI的世界中我们应该如何探索呢？ 01 廉价改变一切，从劳动力转向脑动力 产品的廉价会导致市场原有的规律被打破，一旦打破就会改变一切。 拿手机来举例子，如果一个手机成本是我们人均收入的5倍那么手机带来的社会变革就会很小，但是当有一天一家公司或者多家公司把手机价格降低到人均收入的五分之一时候，市场就会发生巨大变化，然而移动互联网的发展本质上源于智能手机的相对廉价。那么导致廉价的本身一方面源于材料成本降低还有就是劳动力低成本。 什么是劳动力和脑动力？ 我们要从人类文明进程来说明，在工业革命发展之前我们所有的社会经济活动都主要依靠劳动力（人口优势），然而工业革命的发展在降低劳动力优势转向脑动力优质。

最近 阿里云 人工智能ET写春联的事儿占据了各大媒体和朋友圈，我只想说阿里的程序员好有范儿啊，过年都不消停；大家都在说我们已经看到的，例如ET在跟体验者互动、好多的围观群众、机械臂在刷刷的奋笔疾书…今天我就为各位说说你们没看到的， 在此，特别为看官们准备了两种解读方式，视频（火热出炉强烈推荐）和文字版； 阿里云 ET视频： 文字解读： 此次ET写春联活动中，为了针对每个体验者个性化定制春联，ET用到了三部分的能力： 智能语音交互－ 语音识别功能能够将用户说的声音识别成文本，而通过自然语言理解、人机对话，使得ET不仅可以听，还能够理解用户说的话，进而给出反馈。最后，用语音合成功能，将ET反馈的文本变成人声播出来。 人脸识别－ 对于体验者，人脸分析模块迅速定位人脸，并进行面部分析，从而给出对用户性别、年龄、表情的分析结果。 机器学习PAI－ ET调用了机器学习PAI的文本分析相关的功能，针对前期的人脸识别结果和每位体验者的愿望进行分词、提取关键词，再通过关键词与春联数据库中的海量春联数据集比较，选择词向量距离最近的春联返回；可以找出最符合用户愿望的春联。 除了写春联，ET还可以做更多的事情哦，快来了解吧：https://et.aliyun.com/index 来源： oschina 链接： https://my.oschina.net/u/4562984/blog/4952951

前阵子网上看到有人写爬取妹子图的派森代码，于是乎我也想写一个教程，确切地说我也想看妹子，哈哈哈，开个玩笑,不过很多教程都是调用的第三方模块，今天就给大家开开荤，使用原生库来爬，并且扩展实现了图片鉴定，图片去重等操作，经过了爬站验证，稳如老狗，我已经爬了几万张了,只要你硬盘够大。 作者忠告：我们是研究技术的，请勿沉迷，沉迷伤身，营养跟不上 O(∩_∩)O~ 今天就来个最简单的吧，网站走起 https://www.meitulu.com/ 先分析页面结构，图片URL每次递增，从第二个开始。 前端，被一个 img标签包起来 <img src="https://mtl.gzhuibei.com/images/img/10431/5.jpg" alt= 直接正则匹配 先来生成页面链接，代码如下 # 传入参数,对页面进行拼接并返回列表 def SplicingPage(page,start,end): url = [] for each in range(start,end): temporary = page.format(each) url.append(temporary) return url 接着使用内置库爬行 # 通过内置库,获取到页面的URL源代码 def GetPageURL(page): head = GetUserAgent(page) req = request

现今随着科技的进步和发展，人工智能已经一步一步的靠近我们的生活，如智能家居、智能牙刷等，只要在网络、大数据、物联网和人工智能等技术支持下的，所具有的能动地满足人的各种需求的属性，都被称为智能产品。 但随着智能产品逐渐地更加切合人的实际情况，于是有了智能手环、智能手表的诞生，只要带上就能轻轻松松的对人体进行血氧检测，心率检测等，但是这些智能手表手环的测试数据又不尽相同，有的智能手表手环只是增加噱头，糊弄欺骗消费者实际测量的数据却不准确，而且对于智能手环手表是否全部都有通过医疗测试都是一个疑问。 现智能手环手表的测试方式大都是通过对手腕表面进行光的反射进行检测，本人曾经有一个苹果手表，它就是通过手表底部进行人体测试，但是在手腕有汗帻的情况下，测试结果却是出现了一定的偏差，因本人会经常性带智能手表，手环出去跑步，之前也用过一些国内品牌，但是实际数据也大不相同。 后续通过了解，也逐渐接触了更多的智能检测产品，如对指尖的检测，这也是通过光对血液的物理反应进行检测的，也有佩戴在额头进行检测的，但是这些都是自主研发一次性完成，而其他产品，如智能水杯，现功能很多都是提醒喝水的功能、水杯保温，但是没办法与人体进行实际的监测交互。 而实现交互的基础就是数据的采集，只有数据采集越准确，才能实现真正切合人体的智能交互。 如今的相对心率血氧数据采集方式大都分为两种，一种是心电图监测，一种是通过血液的光感反应

技术领域风云迭起，行业浪潮纷至沓来，作为技术人该如何永葆纯粹的本心？ CSDN一直以来都专注致力于为 IT技术人创造交流和成长的家园，用 走过的二十载岁月见证了一代又一代技术人的成长 。 对于笔耕不缀的技术人来说，文章不仅是他们分享心得、总结所获的体现，也是他们布道知识、精进技术的证明。在CSDN网站的博客频道，数万人长年在键盘后面专注编码，以乐于分享的精神助力IT产业发展......作为迄今为止CSDN官方规格最高、覆盖面最广、奖励力度最大的活动，“博客之星”每年都会组织广大网友和专家评委，共同遴选出年度最受欢迎的TOP博主，以表彰其优异的专业实力和长期伏案的精心创作。 诗歌合为事而作，文章合为时而著。2020年度评选，从2020年12月17日启动，历经海选报名、网友投票、专家团评审等阶段的激烈角逐，最终于今天落下帷幕。在这之中，我们紧紧依靠众多博主的鼎力支持，同时也赢得了众多新星博主的青睐和积极参与。同时，我们严防严控刷票行为，使技术回归到原本的严谨态度，提升博客专家投票特权，让结果变得更有含金量！未来，我们也会一如既往的坚持下去，成就更多的IT技术人。 2020年度博客之星TOP 20英雄榜，就让我们一起重磅揭晓！ TOP1 敖 丙 “程序员真的是最容易改变命运的一个职业”，敖丙在自己的博文中写道，“生活如水，时而浑浊，时而清澈”，面对挫折我们可以短暂的迷失

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶” 作者： Rohan Jag tap 编译：ronghuaiyang 导读 掌握这些可以更高效的模型的提高开发效率。 TensorFlow 2.x在构建模型和TensorFlow的整体使用方面提供了很多简单性。那么TF2有什么新变化呢？ 使用Keras轻松构建模型，立即执行。 可在任何平台上进行强大的模型部署。 强大的研究实验。 通过清理过时的API和减少重复来简化API。 在本文中，我们将探索TF 2.0的10个特性，这些特性使得使用TensorFlow更加顺畅，减少了代码行数并提高了效率。 1(a). tf.data 构建输入管道 tf.data提供了数据管道和相关操作的功能。我们可以建立管道，映射预处理函数，洗牌或批处理数据集等等。 从tensors构建管道 >>> dataset = tf.data.Dataset.from_tensor_slices([ 8 , 3 , 0 , 8 , 2 , 1 ]) >>> iter(dataset).next().numpy() 8 构建Batch并打乱 # Shuffle >>> dataset = tf.data.Dataset.from_tensor_slices([ 8 , 3 , 0 , 8 , 2 , 1 ]).shuffle( 6 ) >>> iter

　　机器学习以及自然语言处理技术的进步，开启了人与人工智能进行语音交互的可能，人们透过对话的方式获取信息、与机器进行交互，将不再只是存在科幻情结当中。语音交互是未来的方向，而智能音箱则是语音交互落地的第一代产品。 一、语音交互流程简介 AI 对话所需要的技术模块有 4 个部分，分别为： 自动语音识别（Automatic Speech Recognition, ASR） 自然语言理解（Natural Language Understanding, NLU） 自然语言生成（Natural Language Generation, NLG） 文字转语音（Text to Speech, TTS） 以叮咚开发文档中的语音交互流程图来看Ai 对话技术的主要路径： 从上图中可以看到，用户与设备之间的交互，主要是采用语音方式处理和完成的。 二、语音交互流程设计 一次完整的语音交互流程，成功的语音对话，通常是有以下几个阶段。 1.交互流程的核心—意图 所谓意图，表示用户在使用应用时所做的动作(譬如：问一个问题或发送一条指令)，这些意图代表了应用的核心功能。 如果应用成功地识别了用户意图，则需要在完成业务动作后，将结果反馈给用户；如果应用无法识别用户意图，则需要给用户友好的提示，指导用户使用。 用户：七星彩的开奖时间是什么时候？ Ai：体育彩票七星彩每周二、周四和周日开奖。 2. 如何识别意图