文章资讯

• 互联网资讯(3100)
• 娱乐头条(399)
• 教育考试(249)
• 幽默笑话(13)
• 美图合集(14)
• 站长资讯(9010)
• 电商资讯(229)
• 网站建设(74)
• 网站运营(202)
• 推广杂谈(550)

文章资讯

• 比特大陆大转型！链圈币圈人走茶凉，AI才是救命草

  发布一款 AI 芯片，多款 AI 终端产品10 月 17 日，比特大陆正式发布 终端人工智能芯片 BM1880，一同发布的还有基于 云端人工智能芯片 BM1682 的算丰智能服务器 SA3、嵌入式 AI 迷你机 SE3、3D 人脸识别智能终端以及基于 BM1880 的开发板、AI 模块、算力棒等产品。比特大陆终端 AI 芯片 BM1880BM1880 芯片于 2018 年 7 月成功流片，是一款聚

  2022-03-13

• 比拼Kafka，大数据分析新秀Pulsar到底好在哪

  在用户选择一个消息系统时，消息模型是用户首先考虑的事情。消息模型应涵盖以下 3 个方面：消息消费——如何发送和消费消息；消息确认（ack）——如何确认消息；消息保存——消息保留多长时间，触发消息删除的原因以及怎样删除；消息消费模型在实时流式架构中，消息传递可以分为两类：队列（Queue）和流（Stream）。队列（Queue）模型队列模型主要是采用无序或者共享的方式来消费消息。通过队列模型，用户可

  2022-03-13

• 如何用Python将数据预处理速度提升2至6倍？

  标准方式让我们举一个简单的例子，我们有一个图像数据集，可能有数千甚至数百万张图像！出于时间方面的考虑，我们只使用 1000 张。在将所有图像传到深度神经网络之前，我们想要将它们的大小调整为 600x600。以下是 GitHub 上经常可以看到的一些非常标准的 Python 处理代码。这个程序遵循的是数据处理脚本中常见的简单模式：从要处理的文件（或其他数据）列表开始。使用 for 循环逐个处理数据，

  2022-03-13

• 知识图和神经网络：如何有效读取图节点属性

  这个可以使用数据库来实现，非常简单。为简单起见，我们假设问题是图中的一个节点。在 Neo4j 图数据库中，可以进行简单的查询：但在本文中，我们将采用神经网络方法。我们可以使用神经网络做一些传统数据库无法做到的事情，当然，我们需要编写更多的代码，并解决一些有趣的挑战。文中的代码可以从 GitHub（https://github.com/Octavian-ai/gqa-node-properties）

  2022-03-13

• 看视频学杂耍？伯克利的机器人已经可以做到了

  模仿 YouTube 视频中的角色无论是洗手这样的日常动作，还是惊人的杂技表演，人类都能通过观察他人来学习一系列令人难以置信的技能。随着像 YouTube 这样的公开视频数据越来越多，现在，要找到我们感兴趣的任何技能的视频剪辑，比以往更容易了。每分钟都有超过 300 个小时的视频上传到 YouTube。不幸的是，对我们的机器人来说，从大量的视觉数据中学习技能，仍然是一个巨大的挑战。大多数模仿学习方

  2022-03-13

• 机器学习其实只是“皇帝的新衣”

  下面我们来看看机器学习是如何工作的：机器学习使用数据中的模式来标记事物。听起来不可思议? 它的核心概念实际上非常简单。我说“非常”是因为如果有人觉得它很神秘，是因为他们应该还没有完全理解它。核心概念非常简单。我们将使用标记葡萄酒是否美味来进行标签示例，并用尽可能简单的方式进行这一过程。如果你不喜欢葡萄酒，这里有一个相同文本的非葡萄酒标签示例版本。 它是如何工作的?ML 不是魔法，没有数据是不可能学

  2022-03-13

• 环境说明

  虚拟机VMware Workstation 16 Player链接：https://www.vmware.com/cn/products/workstation-player/workstation-player-evaluation.html操作系统centos8CentOS-8.3.2011-x86_64-dvd1.iso链接：http://mirrors.aliyun.com/centos/

  2022-03-13

• 谷歌官宣：全面超越人类的最强NLP预训练模型BERT开源了！

  什么是 BERT？BERT 是预训练语言表示的方法，也即我们基于大型文本语料库（如维基百科）训练通用的“语言理解”模型，然后将模型用于下游的 NLP 任务（如问答） 。BERT 比之前的方法更优，因为它是第一个用于预训练 NLP 的无监督、深度双向系统。无监督意味着 BERT 只使用纯文本语料库进行训练，这点很重要，因为网络上有很多公开的纯文本数据。预训练表示也可以是无上下文或有上下文的，有上下文

  2022-03-12

• 分布式数据库TiDB是如何结合OLTP和OLAP的？

  TiDB 是一款开源、云原生、MySQL 兼容的分布式数据库，可以处理混合事务和分析处理（HTAP）工作负载。它是“NEWSQL”关系数据库的一员，被设计为方便大规模部署。也许有人想知道，“Ti”代表了钛。PingCAP 在三年半前才开始搭建 TiDB，但是这个产品已经拥有了 15000 次 GitHub 点赞，200 名贡献者，7200 次提交，2000 个分支以及 300 名生产用户。最近 T

  2022-03-12

• 4年数据涨万倍，Uber大数据平台四次变迁揭秘

  第一代：Uber 大数据的开端在 2014 年之前，我们有限的数据量可以塞进一些传统的联机事务处理 (OLTP) 数据库中（例如 MySQL 和 PostgreSQL）。为了利用这些数据，我们的工程师必须单独访问每个数据库或表，如果用户想将不同数据库的数据组合起来，需要自己编写代码。当时，我们还没有对所有存储的数据进行全局访问的需求，也没有这些数据的全局视图。事实上，我们的数据分散在不同的 OLT

  2022-03-12