demi的博客

Unity中的Lightmap烘焙速度一直是经常被人吐槽的一个问题，一个极其简单的小场景使用默认参数时烘焙都要几分钟，而大场景往往要烘几个小时甚至十几小时。不过Unity的烘焙系统有提供许多可调参数，通过合理调整这些参数能够显著加快烘焙速度。

在学习深度学习的时候，会经常遇到信息论相关的概念，而信息论，作为信息时代的基石，其重要性不言而喻，而对于深度学习和机器学习，信息论也是绕不开的，今天给大家分享一些信息论相关的内容，作为学习深度学习和机器学习的同学来说，这些是一定要会的哦！

xgboost中的基学习器除了可以是CART（gbtree）也可以是线性分类器（gblinear）。xgboost主要优点：xgboost不仅使用到了一阶导数，还使用二阶导数，损失更精确，还可以自定义损失；XGBoost的并行优化，XGBoost的并行是在特征粒度上的​​​​​​​；考虑了训练数据为稀疏值的情况，可以为缺失值或者指定的值指定分支的默认方向，这能大大提升算法的效率......

Gartner公布2019年新兴技术发展周期报告，报告公布了29项必须关注及观察的技术，并从中归纳出五大重点新兴科技趋势将创造并提供全新的体验，这五大重点新兴科技趋势包括感测与行动力、增强人类能力、后传统运算及通讯、数字生态系、先进人工智能与分析技术，并特别标注企业若能善加利用人工智能（AI）和其他重要概念，便能从新兴数字生态系中获益。

深度学习19种损失函数，你认识几个？

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。