demi的博客

最近关于自动驾驶的发展消息让人兴奋，有许多相关测试证明了其安全性和可靠性。据Counterpoint Research预测，随着技术和监管问题的解决，2030年销售的新车中约有15％将实现完全自主驾驶（4至5级）。为了实现自动驾驶的愿景，OEM、供应商以及初创企业正在使用最尖端的技术来解决算力、软件开发、算法设计中的问题。但又因为监管和法律的问题，可能会成为自动驾驶实现的最大阻碍。

如今，即便是结构非常复杂的神经网络，只要使用Keras，TensorFlow，MxNet或PyTorch等先进的专业库和框架，仅需几行代码就能轻松实现。而且，你不需要担心权重矩阵的参数大小，也不需要刻意记住要用到的激活函数公式，这可以极大的避免我们走弯路并大大简化了建立神经网络的工作。然而，我们还是需要对神经网络内部有足够的了解，这对诸如网络结构选择、超参数调整或优化等任务会有很大帮助。本文我们将会从数学角度来充分了解神经网络是如何工作的。

机器学习是识别隐藏在数据中的可能性并将其转化为完全成熟机会的技术。巧合的是，机会是促进业务运营并在竞争对手中脱颖而出的因素。了解机器学习算法如何应用于各个领域以获得可带来合法业务优势的结果至关重要。

我们经常用渲染管道(rendering pipeline)来描述渲染(rendering)，而且有一点必须铭记在心：高效的渲染就是保证信息快速流通。

边缘计算和物联网几乎是完美匹配的。在最近两年，所有关于物联网技术趋势报告中都有边缘计算。IDC预测，到2020年，边缘基础设施支出将达到物联网基础设施总支出的18%。事实上，所有关于2018年的物联网技术的趋势预测，在2019年以及之后的几年依然得以延续。而在这个基础上，确实有一些更新。

回望过去，2018年对于增强现实(AR)来说是充满活力且十分重要的一年。本文为Tom Emrich（美国专注于AR投资的早期基金Super Ventures合伙人）所预测的2019年增强现实19个发展趋势。

在机器学习的算法评估中，尤其是分类算法评估中，我们经常听到精确率(precision)与召回率(recall)，RoC曲线与PR曲线这些概念，那这些概念到底有什么用处呢？

本文整理并总结了IPv6可能存在的安全威胁，从IPv4安全威胁延续、IPv6相关附属协议和相关机制可能带来的安全威胁、IPv6对安全硬件的影响及过渡技术的安全威胁四个方面进行了分析与梳理。

游戏资源的加载和释放导致的内存泄漏问题一直是Unity游戏开发的一个黑洞。究其根源，一方面是因游戏设备尤其是Unity擅长的移动设备运行内存非常有限，另外一方面是因为Unity不太清晰的加载释放策略和谜一样的GC（垃圾收集）机制，共同赋予了Unity “内存杀手”“低效引擎”的恶名......

随着影像数据不断增加，人工智能和深度学习(Deep Learning，机器学习分支)技术已成为安全监控的关键，能够有效降低人为错误和误报，并大幅减少影像搜寻时间，对众多产业造成极大的影响。