【20210312期AI简报】用树莓派DIY激光枪、30天吃掉那只 TensorFlow2.0

MetaSelector: Meta-Learning for Recommendation with User-Level Adaptive Model Selection 走读 摘要 推荐系统经常面对包含高度个性化的用户历史数据的异构数据集,在这些数据集中,没有哪个模型可以为每个用户提供最佳建议。我们在公共和私有数据集上都观察到了这种普遍存在的现象,并在追求优化每个用户的推荐质量的过程中解决了模型选择问题。我们提出了一个元学习框架,以促进推荐系统中对用户类型的自适应模型选择。在此框架中,将使用来自所有用户的数据来训练推荐系统集合,然后通过元学习对模型选择器进行训练,以使用用户特定的历史数据为每个用户选择最佳的单个模型。我们在两个公共数据集和一个真实世界的生产数据集上进行了广泛的实验 阅读详情

导读:本期为 AI 简报 20210312 期,将为您带来 8 条相关新闻,今日植树节,考研国家线已出,祝大家顺利上岸~

本文一共 2300 字,通篇阅读结束需要 6~10 分钟

1. 二次元妹子五官画风都能改,周博磊团队用无监督方法控制GAN | CVPR 2021 | 量子位

图片

论文地址:
https://arxiv.org/abs/2007.06600

代码地址:
https://github.com/genforce/sefa

现在,GAN不仅能画出二次元妹子,还能精准调节五官、表情、姿势和绘画风格。

而且在调控某个因素的时候,其他条件能尽量保持不变。

这就是香港中文大学周博磊团队提出的SeFa(语义分解,Semantics Factorization),该论文最近入选了CVPR 2021(Oral)。

SeFa适用于PGGAN、StyleGAN、BigGAN和StyleGAN2等常见GAN模型。

通过这种方法分离出映射矩阵的各个本征值,即可实现对不同图像元素的精准调控

更重要的是,SeFa无需对GAN生成的数据进行标注,它能自己找到这些元素变化对应的编码。也就说SeFa是一种无监督方法。

目前,SeFa相关代码已经开源。

2. 游戏“捏脸”需要高手教程?用这个AI模型,一张肖像照就能快速生成 | 学术头条

论文地址:

https://arxiv.org/abs/2102.02371

代码地址:

https://github.com/FuxiCV/MeInGame

在游戏中,亲手创造一个与众不同的角色,乐趣不言而喻。但有时往往是“游戏五分钟,捏脸两小时”。

来自网易伏羲 AI 实验室和密歇根大学的研究人员最近发明了一种深度学习的方法,名为 MeInGame,它可以通过分析一个人脸的单个肖像而自动生成游戏人物脸,这项技术在 arXiv 上预先发表的一篇论文中提出。

不少捏脸高手为了在游戏中捏出一个指定人物的脸可谓煞费苦心,甚至总结了一套复杂的教程和参数包,而今后,可能只需要输入一张人脸照片就能轻松搞定了。

MeInGame 的贡献在于:
1、提出了一种低成本的三维人脸数据集生成方法。所创建的数据集在种族和性别上是平衡的,面部形状和纹理都是从原始图像中创建;

2、提出了一种将重建的三维人脸形状转化为游戏网格的方法,可以直接在游戏环境中使用,该方法不依赖于网格连通性,计算效率高;

3、为了消除光照和遮挡的影响,他们训练了一个神经网络,在一个通用的训练范式下,从 “野生” 人脸图像中预测一个完整的漫反射贴图。

3.《30天吃掉那只 TensorFlow2.0 》

代码地址:

https://github.com/lyhue1991/eat_tensorflow2_in_30_days#30%E5%A4%A9%E5%90%83%E6%8E%89%E9%82%A3%E5%8F%AA-tensorflow2

本书是一本对人类用户极其友善的TensorFlow2.0入门工具书,不刻意恶心读者是本书的底限要求,Don t let me think是本书的最高追求。

本书主要是在参考TensorFlow官方文档和函数doc文档基础上整理写成的。

但本书在篇章结构和范例选取上做了大量的优化。

不同于官方文档混乱的篇章结构,既有教程又有指南,缺少整体的编排逻辑。

本书按照内容难易程度、读者检索习惯和TensorFlow自身的层次结构设计内容,循序渐进,层次清晰,方便按照功能查找相应范例。

如果说通过学习TensorFlow官方文档掌握TensorFlow2.0的难度大概是9的话,那么通过学习本书掌握TensorFlow2.0的难度应该大概是3。

本书是作者利用工作之余和疫情放假期间大概2个月写成的,大部分读者应该在30天可以完全学会。

预计每天花费的学习时间在30分钟到2个小时之间。

4. 为了杀蚊子,这位博士用树莓派DIY了一把激光枪,网友:伤到人怎么办? | 学术头条

世人苦蚊子久矣。

尤其在夏夜,耳边嗡嗡作响,甚至还得与其“挑灯夜战”个三百回合。

为此,一个国外博士便DIY了一种高端的杀蚊方式:

计算机视觉精准定位,激光瞬间射杀。

还是用树莓派打造的那种。

如此高端的杀蚊方式,都需要些什么装备?

主要包括四大组件:

  • 200多块的树莓派3 Model B+:它采用的是1.4GHz四核处理器,具体型号为Broadcom BCM2837B0。

  • 树莓派摄像头:具体型号是索尼IMX219,像素为800万。

  • 电流表 (Galvanometer):约20 kPPS。

  • 激光器:功率在1W左右,波长为450nm

5. 超越最新视频压缩标准H.266,字节跳动编码新技术让视频缩小13% | 机器之心

今年初,字节跳动先进视频团队(AVG)向联合视频专家组 JVET 发起了一项 JVET-U0068 技术提案,可以为视频压缩的三个颜色分量(Y, U, V)分别实现约 10%、28%、28% 的性能增益,这是业界公开的单个智能编码工具的最佳性能增益。

在优化压缩质量的同时,视频体积相比 H.266 最新标准至少还可以缩小 13%。就其实际效果而言,如果新技术得以应用,与现在主流的 H.264 标准相比,我们看同样质量的视频,大约只需要 22% 的带宽和存储空间。

这项技术名为 DAM(Deep-filtering with Adaptive Model-selection),它是通过深度学习技术构建减少视频压缩失真的滤波器,主干是基于残差单元堆叠的深度卷积神经网络,辅以自适应模型选择以最大程度适应特性复杂的自然视频。

可以从上面得图片看到,相同压缩比条件下,H.266+DAM 编码压缩质量远远优于 H.264。

除了视频压缩质量提升之外,应用 DAM 技术可以比H.266再缩小 13% 的数据体积。

6. 全球三大芯片架构之一MIPS倒下!转身投入RISC-V阵营 | 量子位

图片

全球三大芯片架构之一MIPS,已经成为历史。

据外媒报道,所属公司宣布将放弃继续设计MIPS架构,全身心投入RISC-V阵营。

MIPS一度被业内认为可以比肩Arm、x86,成为全球三大主流架构之一。

如今本应四十不惑的MIPS,却突然耐不住寂寞,意外转投大火的RISC-V阵营。

于是,就有网友感叹:这真是又一个遇上了安卓的黑莓啊。

7. 原生支持苹果M1 Mac的VS Code稳定版来了,运行速度提升 | 机器之心

下载地址:

https://code.visualstudio.com/download

VS Code 对多种操作系统的支持一直是其优势,苹果 macOS 系统也不例外。2020 年 11 月,苹果发布了三款搭载自研芯片 M1 的 Mac。一个月后,微软就发布了原生支持苹果 M1 Mac 的 VS Code 预览版。

近日,微软发布了 VS Code 1.54.1 稳定版,正式支持苹果 M1 Mac。使用 M1 Mac 的用户不用通过 Rosetta 仿真来运行 VS Code 了,并且运行时将体验到更好的性能和更长的电池续航。

现在,苹果用户既可以下载通用版(Universal),也可以下载 Apple Silicon 版本来使用 M1 Mac 原生的 VS Code,软件将自动检测用户的处理器并进行适配。

8. 12种Numpy&Pandas高效技巧 | 夕小瑶的卖萌屋

图片

代码地址:
https://github.com/kunaldhariwal/12-Amazing-Pandas-NumPy-Functions

原文链接:
https://towardsdatascience.com/12-amazing-pandas-numpy-functions-22e5671a45b8

本文分享给大家 12 种 Numpy 和 Pandas 函数,这些高效的函数会令数据分析更为容易、便捷。最后,读者也可以在 GitHub 项目中找到本文所用代码的 Jupyter Notebook。

NumpyPandas
argpartition()read_csv(nrows=n)
allclose()map()
clip()apply()
extract()isin()
where()copy()
percentile()select_dtypes()




???????????? 点击阅读原文进入RT-Thread官网

Tensorflow2.0.pdf Josh Gordon 为我们介绍了TensorFlow2.0 的一些新的特征与使用技巧。附件为63页ppt 立即下载

相关推荐

WPF+Prism+LiveCharts+materialdesignin 搭建WPF开发框架

例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。提示:以下是本篇文章正文内容。

T_Tboy的博客 3054

2022 RT-thread培训学习和心得(一)

RTT-Thread暑期学校痛苦四日游

qq_35452794的博客 1349

H3C IPsec over GRE VPN 实验

配置 IPsec over GRE VPN 来连通两端内网

M建的博客 2491

2-1,张量数据结构

# -*- coding: utf-8 -*- # @Time : 2021/3/25 15:40 # @Author : XAT # @FileName: tensorflow2_1.py # @Software: PyCharm # Tensorflow的基本数据结构是张量Tensor。张量即多维数组。 # 从行为特性来看,有两种类型的张量,常量constant和变量Variable. # 常量的值在计算图中不可以被重新赋值,变量可以在计算图中用assign等算子重新赋值。 #######

薰珞婷紫小亭子的博客 279

vue3 web项目引入高拍仪

高拍仪的引入步骤就两步,安装SDK,然后根据官网的api进行开发。根据自己需要的功能,请求对应的接口。

qq_42480170的博客 4119

weblogic 集群搭建,双机部署,相关问题记录

4.5.集群搭建1 参考网址https://wenku.baidu.com/view/76365129cd1755270722192e453610661ed95aa4.html IP地址 端口 角色 192.168.1.160 9001 AdminServer ...

zl386119974的专栏 1670

RT-Thread之入门跑代码

本文将讲述如何在window10中跑tensorflow代码,并且编译成bin文件

如月之恒,如日之升 3798

大学生数学建模赛题解析及优秀论文-2021电工杯A题高铁牵引供电系统运行数据分析及等值建模(附Python代码)

我国是世界上电气化铁路运营里程最长、服役电力机车型号最多、运营最 繁忙的国家。截至 2020年底,我国铁路年消耗电量约800亿千瓦时,约占三峡 年总发电量的 80%。图1为高速铁路牵引供电系统示意图,主要包括牵引变电所、牵引网和动车 组。牵引变电所将 220kV三相电压转换为满足电力机车运行的27.5kV单相电压, 其核心元件是牵引变压器。牵引网由馈线、接触网、钢轨、回流线等组成,完成 对电力机车的送电任务。...

wenyusuran的专栏 3172

TensorFlow 上手实战,就看这篇!(系列二)

cifar2 数据集作为非结构化数据代表,cifar10数据集的子集,本文演示使用TensorFlow如何处理图片分类:飞机airplane和机动车automobile两种图片。一,准备...

算法channel 895

YOLOv11 改进 - 特征融合 | 替换 C3k2 涨点:GELAN 融合 CSP+ELAN 提精度

本文介绍了可编程梯度信息(PGI)和广义高效层聚合网络(GELAN)与 YOLOv11 的结合,以解决深度网络数据传输时的信息丢失问题。PGI 能为目标任务提供完整输入信息,计算目标函数以更新网络权重。GELAN 作为轻量级网络架构,由 SPPELAN、ELAN1、RepNCSPELAN4 等模块组成。我们将 GELAN 代码集成进 YOLOv11, 实验脚本显示,结合 GELAN 的 YOLOv11 在 MS COCO 数据集目标检测任务中或有良好表现。

魔改工程师的博客 1243

ESP32-S3模组上跑通esp32-camera(32)

ESP32-S3模组上跑通esp32-camera(32)

phmatthaus的专栏 773

RT-Thread 笔记整理

1.AI:从前例中学习;传统:基于经验 2.IOT(internet of things)设备(传感器将原始数据上传)->Gateway网关->cloud(运行在云上的AI引擎) 3.st.com搜AI,找工具 4. 高性能MCUs:F2/F4/H7/F7 主流MCUs:F0/G0/F1/F3/G4 超低功耗MCUs:L0/L1/L5/L4/L4+ 无线MCUs:WL/WB 5. MPU(Micro Processor Unit)微处理器 MCU(Micro

weixin_45263278的博客 3123

全新RT-DETR 有效涨点改进目录 | 包含各种卷积、主干改进、各种注意力机制、Neck特征融合改进、损失函数、AIFI创新改进、独家创新、小目标检测、特殊场景检测等最全大论文及小论文必备创新改进点

《全新最全RT-DETR涨点改进专栏》提供500+种创新改进方案,涵盖卷积、注意力机制、主干网络等模块优化,适用于PCB检测、工业缺陷检测等场景。专栏包含顶会论文改进点、数据集增强方法、热力图可视化等实用功能,帮助科研人员快速提升模型性能。提供完整环境配置指南(Python3.10+Pytorch2.5.1)和训练教程,支持不同版本RT-DETR模型。定期更新涨点策略,配套QQ答疑群免费指导,适合从入门到发论文全流程需求,特别推荐给目标检测领域的研究生和工程师。

Ai缝合怪、助力小伙伴高效发论文 3437

好友开源的《如何用 30 天吃掉 TensorFlow2.0》

推荐语:开源书的作者是我的好友,美团算法工程师,该开源项目也被【机器之心】转载过。天下苦 tensorflow 久矣!????尽管 tensorflow2.0 宣称已经为改善用户体验做...

weixin_38753422的博客 1336

蓝牙模块HM-10手册

蓝牙模块HM-10手册,该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

CVPR 2016 摘要阅读

为了说明看过CVPR2016全部文章的摘要,总结一下,摘要只保留了创新点部分。 ORAL SESSION Image Captioning and Question Answering Monday, June 27th, 9:00AM - 10:05AM. These papers will also be presented at the following poste

dlaicxf的博客 1万+

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

《30天吃掉那只 TensorFlow2.0》 1-4 时间序列数据建模流程范例 (国内新冠疫情结束时间预测问题)

使用Keras接口有以下3种方式构建模型:使用Sequential按层顺序构建模型,使用函数式API构建任意结构模型,继承Model基类构建自定义模型。此处选择使用函数式API构建任意结构模型。

风信子的猫Redamancy的快乐星球 7137

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

30天吃掉tensorflow 2.0的总结

这篇博客算是我对自己能力的备忘录,以后使用TF2.0框架,正常情况下,就使用这篇博客内容去调 这篇博客主要描述了模型搭建、管道创建、不同训练模式、不同优化器、不同损失器、不同指标、不同的衡量标准 这里用泰坦尼克号的数据为例作为练习。 第三方库读取 import numpy as np import pandas as pd import matplotlib.pyplot as plt import tensorflow as tf from tensorflow.keras import mod

yingdajun的博客 7154

干货分享|如何用30天吃掉tensorflow2?

《30天吃掉那只TensorFlow2》这本书已经全部整理完稿。本篇文章算是这本书的一个后记。本文介绍了一个吃货与算法结缘的故事,并介绍了本书的写作过程...

abcdefg90876的博客 1513

TensorFlow深度学习:2.2.三种计算图

三种计算图1.计算图简介2.静态计算图2.1.TensorFlow 1.0静态计算图范例2.2.TensorFlow2.0 怀旧版静态计算图3.动态计算图4.TensorFlow2.0的Autograph 有三种计算图的构建方式:静态计算图,动态计算图,以及Autograph. 1.计算图简介 计算图由节点(nodes)和线(edges)组成。 节点表示操作符Operator,或者称之为算子,线表示计算间的依赖。 实线表示有数据传递依赖,传递的数据即张量。 虚线通常可以表示控制依赖,即执行先后顺序。

ssshyeong的博客 1305

《30天吃掉那只 TensorFlow2.0 》(附下载)

本书面向读者本书假定读者有一定的机器学习和深度学习基础,使用过Keras或者Tensorflow1.0或者Pytorch搭建训练过模型。对于没有任何机器学习和深度学习基础的同学,建议在...

涛哥聊Python 694

RT-Thread智能车目标识别系统连载教程——训练卷积神经网络模型(2)

上期回顾:RT-Thread智能车目标识别系统连载教程——手写体识别模型 (1)这里会介绍如何训练图像领域应用非常广的卷积神经网络 (Convolutional Neural Netwo...

rtthreadiotos的博客 491

RT-Thread智能车目标识别系统连载教程——手写体识别模型 (1)

前言这篇文档非常长所以我们会分成5篇来连载,因为机器学习并不是纯软件开发,简单地调用库函数 API,需要有一定的理论支撑,如果完全不介绍理论部分,可能就不知道为什么模型要这样设计,模型出...

rtthreadiotos的博客 445

【学习链接】《30天吃掉那只 TensorFlow2.0 》

《30天吃掉那只 TensorFlow2.0 》

KaelCui的博客 492

如何 30 天吃掉 TensorFlow2.0 ?

一,Tensorflow2 还是Pytorch?先说结论:如果是工程师,应该优先选TensorFlow2.如果是学生或者研究人员,应该优先选择Pytor...

算法channel 852

基于GAN的“真人捏脸”已上线,照片逼真无死角:脸型、五官、表情等均可控制...

萧箫 发自 凹非寺 量子位 报道 | 公众号 QbitAI使用GAN生成的2D人脸模型很美丽,然而却终究缺了点什么?没错,虽然GAN能生成逼真的人脸,但距离自己理想的人脸,总有那么一点不...

量子位 1741

【20210409期AI简报】INT8加速训练方案、用树莓派打造的寄居蟹机器人

导读:本期为 AI 简报 20210409 期,将为您带来 8 条相关新闻,今日二候田鼠化驾~本文一共 2300 字,通篇阅读结束需要 5~8 分钟1. 只要你一句话,马斯克就得留扫把头,...

rtthreadiotos的博客 726
上一篇: 【20210305期AI简报】基于TensorRT完成NanoDet模型部署、Google AI发布TensorFlow 3D
下一篇: RT-Thread文档中心开源啦!新鲜文档即将上线~
RT-Thread物联网操作系统
博客等级 码龄6年 2万+粉丝 392原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值