鸿蒙开发者社区

目前，大数据+深度学习+大算力构成了人工智能的主要发展模型，但更多的数据、更强的算力和改进的算法却未必会让人工智能更聪明。有专家指出，人工智能未来发展的关键并不是简单提高算力和增加数据，而是要重新思考智能模型。古希腊哲学家德谟克利特曾言，“我宁可找到一个因果的解释，也不愿意成为波斯人的王”。可见，推理能力，是人类智能的重要体现。目前，尽管人工智能在语音、图像识别等特定领域、特定类别下，水平已经比...

RISC推动了小型，高效和低成本处理器的革命，并帮助建立了我们现代的互联世界。但是在随后的几年中，少数公司主导了处理器领域。如果您需要一个用于新设备的芯片，唯一的选择就是希望您能从诸如TexasInstruments或Renesas之类的地方找到接近您想要的现成产品。从头开始全面设计芯片是如此的复杂和昂贵，以至于很少有公司有足够的资源来设计它。这里最大的限制因素之一是基本的处理器代码。指令集或ISA。开发新的ISA是一项巨大的...

油气供需矛盾大、投资主体市场化程度低、投资规模有限缺乏增长动力是推动此次改革的三大主因。相对油气体制改革，中国油气行业最为迫切的需求就是“开源”，发现更多的油气资源，提高自给率，以保证我国能源供应安全，促进经济快速发展。中国石油经济技术研究院《2019年国内外油气行业发展报告》预计，2020年我国天然气消费量将达到3300亿立方米左右，同比增长8.6%，同期进口量将达到1500亿立方米，同比增长9.3%，对外依存度为4...

人脸识别教程编译由于代码是在windows平台编译的，所以，这地方要做些修改。1.进入FaceDetection目录2.修改includecommon.h，修改38行3.修改includefeatsurffeaturemap.h文件，在前面加上include4.修改includeutilimagepyramid.h文件，在前面加上include5.修改srcfeatsurffeaturemap.cpp文件，在前面加上include6.增加CMakeLists.txt，内容如下：7.建立build目录，mkdirbuild8.编译，cdbuild&&cmake..&&make9.当前目录下生成可...

简述seetaface由中科院计算所山世光研究员带领的人脸识别研究组研发。代码基于C++实现，不依赖第三方库。然而，目前开源的代码，是在windowsvs上编译的，对于我们这帮maclinux用户来说，用起来还是挺麻烦的。经过这几天的学习，对seetaface总算有了全面的了解。下面，听我娓娓道来。注意：本文章不涉及代码逻辑和原理，只是教大家如何使用seetaface做人脸识别。引擎FaceDetection人脸识别模块，用于识别出照片中的人脸，染回每...

浏览器在神经网络中的可视化交互。TensorFlowPlayground让神经网络的交互式变得可视化，使用d3.js以打字稿编写。它包含一个微型神经网络库，可以满足这种教育可视化的要求。用户可以在浏览器中实时模拟小型神经网络并查看结果。

噪声数据深度学习。该示例代码显示了如何加载GoogleCloudAutoML视频对象跟踪设备上模型，以及如何对视频剪辑中的一系列图像进行推断。目标设备是CPU和EdgeTPU。

借助机器智能进行音乐和艺术创作。Magenta是一个研究项目，旨在探索机器学习在艺术和音乐创作过程中的作用。首先，这涉及开发新的深度学习和强化学习算法，以生成歌曲，图像，绘图和其他材料。但这也是对构建智能工具和界面的一次探索，该工具和界面允许艺术家和音乐家使用这些模型扩展(而不是替换!)他们的过程。

Kubernetes的机器学习工具包。Kubeflow项目致力于使机器学习(ML)工作流在Kubernetes上的部署简单，可移植且可扩展。我们的目标不是重新创建其他服务，而是提供一种直接的方法来将ML的同类最佳的OS系统部署到各种基础结构。在运行Kubernetes的任何地方，都应该能够运行Kubeflow。

用于动作检测的图形蒸馏。在这项工作中，我们提出了一种称为“图蒸馏”的方法，该方法在源域中合并了来自大型多模态数据集的丰富特权信息，并改善了缺乏训练数据和模态的目标域中的学习。

一种基于云的工具，有助于生成机器学习和合成图像。端到端的系统设计允许用户拥有图像的自定义数据集，以在CloudML上训练可变自动编码器生成对抗网络(VAEGAN)模型。在这里，模型被部署到云端，用户可以在其中输入嵌入以从其数据集中生成合成图像，或者输入图像以获取嵌入矢量。该工具使用GoogleCloudMachineLearningAPI和TensorFlow。

低精度矩阵乘法。gemmlowp是一个用于相乘矩阵的库，其项被量化为8位整数。它用于移动神经网络应用程序，并获得了英特尔和ARM的大力支持，从而确保了它在各种移动CPU上的高效性。

强化学习算法的快速原型研究框架。Dopamine是基于TensorFlow的研究框架，用于快速学习强化学习算法的原型。它旨在满足对小型，易处理的代码库的需求，用户可以在其中自由地试验荒诞的想法(推测性研究)。

可定制的3D平台，用于基于代理的AI研究。DeepMindLab是一个第一人称3D游戏平台，旨在研究和开发通用人工智能和机器学习系统。它提供了一组具有挑战性的导航和解谜任务，这些任务对于深度强化学别有用。其简单灵活的API使创新的任务设计和新颖的AI设计得以探索并快速迭代。

神经进化和进化算法框架。达尔文(Darwin)是一个旨在使神经进化实验变得简单，快速和有趣的框架。它提供了构建基块，示例和工具，从而避免了研究新思想所需的重复(且可能是复杂的)支架。

用于预估设计的干预措施对时间序列的因果影响的统计库。CausalImpactR程序包实现了一种方法，用于估计设计的干预措施对时间序列的因果关系。例如，一个广告系列产生了多少额外的每日点击当无法进行随机实验时，很难回答这样的问题。该软件包旨在使用结构贝叶斯时间序列模型来解决此难题，以估计如果干预未发生，干预后干预指标可能如何演变。

针对VR，游戏，视觉效果，机器人技术，机器学习等的实时碰撞检测和多物理场仿真。BulletPhysicsSDK是用便携式C++编写的专业开源库。该库主要用于游戏，视觉效果和机器人仿真等等。该库在zlib许可下可免费用于商业用途。pybullet是一个易于使用的Python模块，用于物理仿真，机器人技术和机器学习。使用pybullet您可以加载URDF，SDF和其他文件格式的铰接体。pybullet提供正向动力学模拟，逆向动力学计算，正向和逆向运动学以及碰...

适用于中文，日文和韩文(CJK)语言的自动换行工具。Budou会自动将CJK句子转换为具有有意义的块的组织HTML代码，以在网络上提供漂亮的字体。

使用AutoML视频训练对象检测移动序列模型进行推理。该示例代码显示了如何加载GoogleCloudAutoML视频对象跟踪设备上模型以及如何对视频剪辑中的一系列图像进行推断。目标设备是CPU和EdgeTPU。

快速灵活的AutoML，可自主学习。AdaNet是一个基于TensorFlow的轻量级框架，可在最少的专家干预下自动学习高质量的模型。它使用Cortes等AdaNet算法。2017年将学习神经网络的结构作为子网的整体。重要的是，AdaNet提供了一个通用框架，不仅用于学习神经网络体系结构，而且还用于学习集成以获得更好的模型。