Unity Shader学习笔记(一)

发表于:12/13/2019 , 关键词: Unity, Shader
shader中文名叫着色器,顾名思义就是给物体着色。那给什么物体着色呢?显而易见就是给屏幕上的物品着色。

机器学习与深度学习常见47个面试题

发表于:12/13/2019 , 关键词: 机器学习, 深度学习
一年一度的校园招聘已经开始了,为了帮助参加校园招聘、社招的同学更好的准备面试,SIGAI整理出了一些常见的机器学习、深度学习面试题。理解它们,对你通过技术面试非常有帮助,当然,我们不能只限于会做这些题目,最终的目标是真正理解机器学习与深度学习的原理、应用。

卷积是怎么【卷】的

发表于:12/13/2019 , 关键词: 卷积
卷积,这个词大家应该都不陌生,数学中傅立叶变换的时候,物理中信号处理的时候,图像处理中滤波的时候、提取边缘的时候,还有深度学习中卷积神经网络的时候,处处可见卷积的影子。卷积在图像处理中的应用非常广泛,可以说理解了卷积,就可以理解图像处理算法的半壁江山,也不知道这个说法是否夸张了。

L1—L5自动驾驶汽车中的三种物联网传感器

发表于:12/13/2019 , 关键词: 物联网传感器, 自动驾驶汽车
自动驾驶是一项快速发展的技术,同时也是一个备受争议的话题。在一个极端,人们相信自动驾驶汽车将通过增加道路安全,降低基础设施成本以及增强儿童、老人和残疾人的出行自理能力来确保美好的未来。

SiFive宣布适用于关键业务和AI市场的新技术

发表于:12/12/2019 , 关键词: SiFive, AI市场
SiFive面向关键业务市场的新型Apex内核和矢量处理工作负载的Intelligence内核为高增长市场创建了全面的IP产品组合 近日,商用RISC-V处理器IP和芯片解决方案的领先供应商SiFive宣布推出了两种全新的前沿产品:面向关键任务处理器SiFive Apex和深度学习市场的SiFive Intelligence处理器内核。在美国西部时间12月10日召开的RISC-V峰会主题演讲中,... 阅读详情

物联网12大安全挑战

发表于:12/12/2019 , 关键词: 物联网
随着越来越多的企业采用物联网,将会出现许多新的安全漏洞。风险增加可能归因于设备局限,以及错过了增强安全的机会。以下是企业必须应对的12大物联网安全挑战。

适用于所有场景的统一架构GPU及生态 | 国际芯片大会将在京举办

发表于:12/12/2019 , 关键词: GPU, 国际芯片大会
2019年12月18-19日,由国际测试委员会(BenchCouncil)主办的国际芯片大会将在北京怀柔中国科学院大学国际会议中心举办,本次会议以「构建自主可控和开放的芯片产业」为主题,旨在探讨如何建立自主可控和开放的芯片产业,在实现芯片等关键技术自主可控的同时,充分利用国际分工协作,提高芯片产业发展的可持续性。

6个你必须知道的机器学习的革命性的教训

发表于:12/12/2019 , 关键词: 机器学习
机器学习是未来,因为它将广泛应用于计算机和其他领域。尽管如此,开发有效的机器学习应用需要大量的“黑魔法”,这在手册中很难找到。

麦肯锡研究:2030年,中国汽车行业十大发展趋势展望

发表于:12/11/2019 , 关键词: 汽车
经历三十余年发展,中国现已成为全球最大的汽车生产和消费国。当前,汽车行业正处于百年未有之大变局,“电动化”、“网联化”、“智能化”和“共享化”这“新四化”开始成为公认的未来趋势,必将带来前所未有的革命性变化。

Pbr和一般光照模型的区别

发表于:12/11/2019 , 关键词: PBR, 光照模型
物体有颜色是因为那些没有被物体吸收的光线(表现为物体的颜色)射入你的眼睛,你才感知到了颜色。从光照模型的角度来说,射入你眼睛的有两种光,一种是直接的反射光(表现为光本来的颜色),一种是折射进入物体后又散射出来的所谓漫反射光(即被吸收过了的光,也就是贴图的颜色)

深度学习中的双下降现象

发表于:12/11/2019 , 关键词: 深度学习
深度学习中的双下降现象,可能大家也遇到过,但是没有深究,OpenAI这里给出了他们的解答。

机器学习——模型评估与选择

发表于:12/11/2019 , 关键词: 机器学习
错误率为分类错误的样本数占样本总数的比例,相应的精度=1-错误率,模型的实际预测输出与样本的真实输出之间的差异称为“误差”,模型在训练集上的误差称为“训练误差”,在新样本上的误差称为“泛化误差”。

Vulkan 1.1.130 发布,新工具扩展

发表于:12/10/2019 , 关键词: Vulkan
Vulkan 1.1.130今天作为此图形API的最新更新发布,它解决了许多文档问题和需要澄清的领域,同时还引入了新的扩展。

深度学习:几种模型小型化的方法

发表于:12/10/2019 , 关键词: 深度学习
现在深度学习模型开始走向应用,因此我们需要把深度学习网络和模型部署到一些硬件上,而现有一些模型的参数量由于过大,会导致在一些硬件上的运行速度很慢,所以我们需要对深度学习模型进行小型化处理。模型小型化旨在保证模型效果不会明显下降的情况下降低模型的参数量,从而提高模型的运算速度。

数据预处理(数据审核、缺失值处理、标准化正则化、降维等)

发表于:12/10/2019 , 关键词: 预处理, 特征选择
数据预处理(data pre-processing)是指在主要的处理以前对数据进行的一些处理。现实世界中数据大体上都是不完整,不一致的脏数据,无法直接进行数据挖掘,或挖掘结果差强人意。为了提高数据挖掘的质量产生了数据预处理技术。