demi的博客

自然语言处理（Natural Language Processing，NLP）是计算机科学领域与人工智能领域中的一个重要方向。它研究人与计算机之间用自然语言进行有效通信的理论和方法。融语言学、计算机科学、数学等于一体的科学。旨在从文本数据中提取信息。目的是让计算机处理或“理解”自然语言，以执行自动翻译、文本分类和情感分析等。

作为人工智能的一个重要分支，人脸识别技术已有很多落地应用，在公共安全领域更多次协助公安部门缉拿在逃罪犯、案件侦查、身份核验、寻回走失人口等工作。

传统的梯度下降，每次梯度下降都是对所有的训练数据进行计算平均梯度，这种梯度下降法叫做full-batch梯度下降法。考虑一种情况，当训练数据量在千万级别时，一次迭代需要等待多长时间，会极大的降低训练速度。

当使用 Deferred Lighting，那么作用在物体上的光照数量将没有限制。所有的光照都被逐像素的评估，这意味着所有的光照都能对法向贴图正确响应，等等。此外，所有的光源都有 cookies 和 shadows。

Mipmap在3D图形学中主要是用来做anti-aliasing，这跟图像学中的概念是一致的：图像在缩小时因为采样率不够，就会导致混叠现象，如果是线，就表现为断线，如果是纹理比较复杂，就表现为纹理变得杂乱。在图形学中，我们经常会用到纹理贴图，用来贴图的纹理大小与真正要render的区域不一定是刚好匹配的，这样就需要做放大或缩小，如果缩小，也就会产生上面所述的混叠现象。

机器学习模型的好坏取决于你所拥有的数据。这就是为什么数据科学家可以花费数小时对数据进行预处理和清理。他们只选择对结果模型的质量贡献最大的特征。这个过程称为“特征选择”。特征选择是选择能够使预测变量更加准确的属性，或者剔除那些不相关的、会降低模型精度和质量的属性的过程。

随着技术的进步，对更多信息技术的需求也在增加。我们生活在一个难以满足便利和简单渴望的世界。为了将现代化推进到一个无所不能的水平，我们已经朝着创建一个新的互联网迈进，这个新的互联网被命名为物联网(IoT)。

本文详述了 Forward rendering path。Forward Rendering path 渲染每个对象在一个或多个pass中，取决于作用在物体上的光照。这些光照本身也被Forward Rendering处理过，取决于它们的设置和强度。

除了从头训练自己的网络，一种更有效，更好的方式就是微调已预训练好的网络模型，微调预训练模型简单点来说就是用目标任务数据在原先预训练的模型上继续训练的过程。

云计算正从 IT 服务交付可选项演变为事实标准。企业战略集团 (ESG) 最近发布的《2019公共云趋势》报告指出，过去八年来，基础设施及服务环境采用率激增，企业采纳率从 17% 上升到 58%；39% 的企业报告称其技术部署完全采用云优先策略。