关于 关键词排名技术〖qq:66017112〗 温州鹿西百度教育邓 的搜索结果,共664
j****2 2018-07-10
大脑开放日来袭 24种全新AI能力呈现
3月20日,首场大脑开放日全新登场,介绍了全新开放的24种全新AI能力,AI赋能市政、物流、等行业的20个案例,也为向开发者、行业人士展现了如何搭上AI开放生态的高速列车。 大脑开放日来袭 作为在人工智能领域多年研究成果的集大成者,大脑正在飞速进步着。自2016年启动开放以来,大脑目前已经是服务规模最大的AI开放平台,开放了158项AI能力,24小时快速集成,开发者数量超过100万,面向广泛的企业和开发者提供最先进、最全面的AI能力,不断降低AI应用落地的门槛。 AI生态部总经理喻友平谈到,“在大脑的开放生态中,开发者一直是最为重要的一环。大脑开放能力不断加速,有很多有价值的难以被开发者了解。2019年大脑开放日全新登场,希望为AI开发者提供及时、全面、近距离地了解大脑最新AI产品和案例,且能深、持续交流的平台。” AI生态部总经理喻友平 首期开放日,喻友平介绍了大脑开源深学习平台PaddlePaddle以及通用AI能力两方面的和产品更新,以及大脑在市政、物流、等行业的落地案例,与开发者们进行深交流。
C****X 2018-07-10
群雄逐“图”,缘何备受注?
线的颜色、道路的隔离带、隔离带的材质甚至道路上的箭头、文字内容、所在位置都会有相应的描述…… 高精地图针对道路形状的准确描绘,甚至可以精确到每个车道的坡、曲率、航向、高程等,同时为了自动驾驶的考虑,甚至每条车道的限速,推荐速也会一并提供。 高精地图中的道路标识线及路牌信息 (图片来源于文章《高精地图在无人驾驶中的应用》) 目前,尽管自动驾驶科公司、图商以及传统车企对高精地图的定义尚未统一化,但高精地图的绝对坐标精更高,包含的道路交通信息更丰富(如可分为基础层、道路信息层、周围环境信息层和其他信息层)等方面确实已经成为区别传统电子导航地图的显著特征。 此外,由于路网每天都有更新变化,如整修、道路标识线磨损及重漆、交通标示改变等,这些都需要及时反馈在高精地图上以确保无人车行驶安全,也就同时要求高精地图有更强的数据实时更新功能。 于高精地图,怎么说 作为致力于高精地图研发的科企业,内部人员一表示将高精地图看做是Apollo 云端服务的核心数据,足知
l****m 2018-07-10
向量(一)
文章结构: 向量 背景介绍 效果展示 模型概览 数据准备 编程实现 模型应用 总结 参考文献 本程源代码目录在book/word2vec,初次使用请您参考Book文档使用说明。 背景介绍 本章我们介绍的向量表征,也称为word embedding。向量是自然语言处理中常见的一个操作,是搜索引擎、广告系统、推荐系统等互联网服务背后常见的基础。 在这些互联网服务里,我们经常要比较两个或者两段文本之间的相性。为了做这样的比较,我们往往先要把表示成计算机适合处理的方式。最自然的方式恐怕莫过于向量空间模型(vector space model)。 在这种方式里,每个被表示成一个实数向量(one-hot vector),其长为字典大小,每个维对应一个字典里的每个,除了这个对应维上的值是1,其他元素都是0。 One-hot vector虽然自然,但是用处有限。比如,在互联网广告系统里,如果用户输入的query是“母亲节”,而有一个广告的是“康乃馨”。
疏****月 2018-07-09
上线Archer | 持续部署的瑞士军刀
基本介绍 在运维自动化的大潮下,运维管理平台Noah发布了一上线部署系统——Archer。Archer致力于提供一套产品线全过程的可迁移发布解决方案,实现一完成机器初始化、服务部署、添加模块监控、添加CT任务、动态数据文件的分发等全过程的自动操作。在操作方面,Archer提供了命令行工具作为发起一次上线的操作入口,这种设计模式也决定了其易于集成的特点。在DevOps流水线作业中,Archer可以作为一个环节结合进整条测试发布流水线中。另外,Archer也可作为上层服务托管平台的底层工具链,为PaaS平台提供稳定的底层部署服务。 通用场景 在内部,通用的部署系统需要适用于以下场景: 各业务线拥有各自的包规范,语言、框架不统一,部署策略不一致; 支持分级发布,及时拦截部署引入的线上故障; 业务的多地域部署; 多种网络环境及大包部署; 提高自动化效率,能够集成测试发布自动化流水线。 后面,我们将结合上面场景,向大家介绍持续部署是如何实现的。 服务架构 整个系统由命令行工具、web服务、中转服务及单机agent+部署插件几部分组成(如图2所示)。
y****n 2018-07-09
Apollo 自动驾驶感知分享
感知是什么? 感知属于自动驾驶核心,我们可以将汽车上的感知与人类感官进行一个类比:人有感知,通过感官器官获取外界信息,传达感知功能区,把形象化的东西抽象成概念性或者更高层的语义,供我们思维记忆、学习、思考或者决策,让我们运动控制功能区,让我们身体对外界进行反馈。无人车类似这样的结构,这是强相的东西,我们无人车也是一样。 下图所示这辆车是 2016 年 12 月乌镇演示车队的其中一台,它有传感器、雷达、摄像头,这是覆盖比较全面的设置,包括视觉、触觉、嗅觉等信息。它需要大脑处理,大脑是无人车里的感知功能模块。 由于感知范围是广泛的,它依赖于人工驾驶或者自动驾驶需要的环境匹配,工况复杂越高,感知复杂越高。自动驾驶不同级别里,感知的复杂也不同。Apollo 目前开放的定位是 Level3 或者 Level4,感知、决策、控制是三位一体的过程。 感知与传感器系统紧密结合,获取外部环境信息,比如有没有障碍物,障碍物的距离、速等,把数据交给感知处理模块,我们会收集信息,构成人开车时理解的环境。
x****7 2018-07-10
从外行进阶专业 传统企业AI转型差的可能只是一个EasyDL
佛山供电局输电管理所将存在桩机、吊车、挖掘机、运货运水泥大型车的现场1000张隐患图像,使用EasyDL定制化图像识别进行训练,经过3个月的训练,更新了10个版本,最终获得“输电线路外部隐患识别”模型,该模型可以识别出输电线路中存在的吊车、挖掘机等外部隐患,目前识别准确率达到80%,超出预期,并且以2-3周更新一次模型的频率持续训练,准确率在不断提升。 源创电喷位于广西,是一家生产汽油机电喷系统的公司。为汽车动力系统中的部件,喷油器质量要求非常高,过去,源创只能用人工肉眼来检测喷油器阀座瑕疵,每日平均检查4000-6000件,峰值是12000件,整个视觉判断工序,需付出4~7人每班的复核人力,是投入产出比最低的工序之一。 依托EasyDL定制化训练和服务平台,柳源创构建了自己的喷油嘴识别模型,结合原有业务流程和硬件,先通过自动化系统上传每次采集待测样品图片,然后实时上传已通过的识别模型进行判定,再返回相应的处理结果,最后由自动化系统将样品进行分类流转。
h****0 2018-07-09
【 开发指南 】智能家居
视频请发送至 xudandan02@baidu.com 邮件格式: 邮件标题:【能审核】待审核称邮件正文:正文需注明待审核能ID,视频文件可使用附件或者网盘链接的形式发送 设备寄送(可选): 将能中涉及的所有智能家居设备和设备相使用文档邮寄给DuerOS,以便DuerOS审核该能; 寄送前需将设备与开发者账号授权绑定完成,并在使用文档中提供对应的账号和密码。 寄送信息: 通讯地址:北京市海淀区西北旺东路10号院园4号楼 收件人:张忠琦 联系电话: 18521725422 正式发布上线的能,将会在哪里显示? 小音箱 等无屏音箱 针对无屏音箱等设备,可以使用 小音箱\厂商自有 app “智能家居” 里查看并启用已上线的智能家居能; 小在家 等有屏设备 小在家\厂商自有app——发现更多——智能家居 小在家设备内——更多——智能家居 亮\风速…等是否支持设置成50%的程值,是否提供相应的接口信息? 支持亮等程值的设定。以亮为例,使用value参数,可控制灯光亮分比值 为double类型,取值范围为0~100。
s****7 2018-07-10
见微知著看误解——从裸光纤和NTPD谈起
我们在做工作时,是不是只注客户和同事能提出的需求?客户永远不知道裸纤的物理特性,同事也不会知道时间也能错误和波动,他们能说清楚业务逻辑就不错了。 把所有的精力都用到做业务逻辑,你只是个编程语言翻译机而已;自己主动观测环境依赖,有资格有能力做出选型决策,才是给Coder群集做校准的人。即使你不想做决策人和管理者,多怀疑和观察环境,也能少些沟通成本,少走一些冤枉路,多一份自信和自尊。 附录:NTPD时间跃变不遗漏Crond的实验 1、当前系统时间是 23点35分。 [root@instance-6ot6pwji ~]# date Wed Nov 8 23:35:02 CST 2017 2、我故意把系统时间调整到 23点32分;注意这个时间不能和真实时间差太久,差太久了ntpd认为网络时钟源不权威,很久都不会进行时间同步。
双****4 2018-07-10
向量(三)
整个程序的入口很简单: def main(use_cuda, is_sparse): if use_cuda and not fluid.core.is_compiled_with_cuda(): return params_dirname = "word2vec.inference.model" train( if_use_cuda=use_cuda, params_dirname=params_dirname, is_sparse=is_sparse) infer(use_cuda=use_cuda, params_dirname=params_dirname) main(use_cuda=use_cuda, is_sparse=True) 总结 本章中,我们介绍了向量、语言模型和向量的系、以及如何通过训练神经网络模型获得向量。在信息检索中,我们可以根据向量间的余弦夹角,来判断query和文档这二者间的相性。在句法分析和语义分析中,训练好的向量可以用来初始化模型,以得到更好的效果。
c****2 2018-07-10
个性化推荐(一)
优点是简单直接,不需要依据其他用户对商品的评价,而是通过商品属性进行商品相似量,从而推荐给用户所感兴趣商品的相似商品;缺点是对于没有任何行为的新用户同样存在冷启动的问题。 组合推荐[5](Hybrid Recommendation):运用不同的输入和共同进行推荐,以弥补各自推荐的缺点。 近些年来,深学习在很多领域都取得了巨大的成功。学界和工业界都在尝试将深学习应用于个性化推荐系统领域中。深学习具有优秀的自动提取特征的能力,能够学习多层次的抽象特征表示,并对异质或跨域的内容信息进行学习,可以一定程上处理个性化推荐系统冷启动问题[6]。本程主要介绍个性化推荐的深学习模型,以及如何使用PaddlePaddle实现模型。 效果展示 我们使用包含用户信息、电影信息与电影评分的数据集作为个性化推荐的应用场景。当我们训练好模型后,只需要输入对应的用户ID和电影ID,就可以得出一个匹配的分数(范围[0,5],分数越高视为兴趣越大),然后根据所有电影的推荐得分序,推荐给用户可能感兴趣的电影。
TOP