<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[智能多媒体]]></title><description><![CDATA[MTVideoAI]]></description><link>https://blog.youkuaiyun.com/shareviews</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; shareviews]]></copyright><item><title><![CDATA[buildroot-3 构建系统开发]]></title><link>https://blog.youkuaiyun.com/shareviews/article/details/105563713</link><guid>https://blog.youkuaiyun.com/shareviews/article/details/105563713</guid><author>shareviews</author><pubDate>Thu, 16 Apr 2020 17:58:24 +0800</pubDate><description><![CDATA[按：Buildroot是一套自动化构建Linux系统的超级编译工具链，本节目标是深度打造buildroot构建系统。buildroot 构建系统开发，需要对软件包配置、Buildroot工作原理、代码风格、相关文档需要相当的了解。添加软件包到Buildroot；Buildroot如何工作；Buildroot文档。Buildroot概述。Buildroot架构。Buildroot分析。rootfs编译；package编译；软件包重建；Buildroot命令。Buildroot构建指南系列]]></description><category></category></item><item><title><![CDATA[buildroot-2 构建系统探索]]></title><link>https://blog.youkuaiyun.com/shareviews/article/details/105563684</link><guid>https://blog.youkuaiyun.com/shareviews/article/details/105563684</guid><author>shareviews</author><pubDate>Thu, 16 Apr 2020 17:53:43 +0800</pubDate><description><![CDATA[按：Buildroot是一套自动化构建Linux系统的超级编译工具链，本节目标是探索buildroot构建系统。玩转Buildroot构建系统，需要对系统配置、组件配置和工程化定制需要有相当的了解，开启我们的探索之旅。buildroot的配置; 工具链配置; 其他组件的配置; 环境变量; 高级用法。Buildroot概述。Buildroot架构。Buildroot分析。rootfs编译；package编译；软件包重建；Buildroot命令。Buildroot构建指南系列]]></description><category></category></item><item><title><![CDATA[buildroot-1 构建系统初探]]></title><link>https://blog.youkuaiyun.com/shareviews/article/details/105563458</link><guid>https://blog.youkuaiyun.com/shareviews/article/details/105563458</guid><author>shareviews</author><pubDate>Thu, 16 Apr 2020 17:45:40 +0800</pubDate><description><![CDATA[Buildroot是一套自动化构建Linux系统的超级编译工具链，本节目标是初探buildroot构建系统。buildroot入门级的基础知识了解一番:  愿景、系统需求、版本下载和快速入门。Buildroot概述。Buildroot架构。Buildroot分析。rootfs编译；package编译；软件包重建；Buildroot命令。嵌入式系统架构。Linux启动过程。Buildroot构建指南系列文章。]]></description><category></category></item><item><title><![CDATA[os-android: 调试多媒体性能(Crack Media Perf)]]></title><link>https://blog.youkuaiyun.com/shareviews/article/details/84750505</link><guid>https://blog.youkuaiyun.com/shareviews/article/details/84750505</guid><author>shareviews</author><pubDate>Mon, 03 Dec 2018 10:30:00 +0800</pubDate><description><![CDATA[os-android: 调试多媒体性能(Crack Media Perf)
Android在中国市场野蛮生长，厂商水平参差不齐。手机厂商大品牌较多，Android的硬件和软件稳定性自然很高。Android在很多细分领域也有广泛应用，如: 机顶盒、广告机、收银机、游戏盒子、VR/AR、手持终端、扫地机器人、智能音箱等，设备厂商技术和人才储备不足，芯片供应商也是国内中等实力的IC公司，在这类设备上调试...]]></description><category></category></item><item><title><![CDATA[os-android：性能分析工具(systrace,starce,top,iotop)]]></title><link>https://blog.youkuaiyun.com/shareviews/article/details/84749549</link><guid>https://blog.youkuaiyun.com/shareviews/article/details/84749549</guid><author>shareviews</author><pubDate>Mon, 03 Dec 2018 10:14:59 +0800</pubDate><description><![CDATA[os-android：性能分析工具(systrace,starce,atrace)
1 超级神器 systrace
Systrace 允许你在系统级别收集和检查设备上运行的所有进程的计时信息。Systrace采集内核、Android系统和应用层的信息，然后生成HTML图像化报告。如果想分析Android系统或者app的问题，首先我们需要抓取Systrace文件分析并找出引起系统卡顿，瞬间就可定位出...]]></description><category></category></item><item><title><![CDATA[打开深度学习的潘多拉魔盒(模型可视化)]]></title><link>https://blog.youkuaiyun.com/shareviews/article/details/83315864</link><guid>https://blog.youkuaiyun.com/shareviews/article/details/83315864</guid><author>shareviews</author><pubDate>Tue, 23 Oct 2018 21:40:12 +0800</pubDate><description><![CDATA[打开深度学习的潘多拉魔盒(模型可视化)。深度学习在各个领域攻城略地，在诸多领域秒杀传统算法，但是其运作细节一直是个黑盒。理论研究者特别是数学家无法完全解释的事物。学术界、研究所和企业界纷纷希望搞出工具箱，希望打开这个潘多拉魔盒，一窥究竟。总体上有两个目标: (1) 量化和图形化其运行机理；(2) 使从业者有更多的Insight,能够更好的知道深度学习实践，并降低深度学习的门槛。社会变化快，天天潘多拉(Pandora)魔盒满天飞，重温一下潘多拉(Pandora)的故事，貌似还是蛮温情的(:&amp;gt;..]]></description><category></category></item><item><title><![CDATA[Tensorflow超级资源列表(Github 12.8K星)包罗万象]]></title><link>https://blog.youkuaiyun.com/shareviews/article/details/83242002</link><guid>https://blog.youkuaiyun.com/shareviews/article/details/83242002</guid><author>shareviews</author><pubDate>Sun, 21 Oct 2018 15:39:01 +0800</pubDate><description><![CDATA[Tensorflow超级资源列表(Github 12.8K星)包罗万象。发现了一份极棒的 Tensorflow 资源列表，该列表包含了与 Tensorflow 相关的众多库、教程与示例、论文实现以及其他资源。实践派赶紧收藏，无问西东，行动起来。由于是资源列表，仅翻译了一级标题，看官见谅。
项目地址：https://github.com/jtoy/awesome-tensorflow]]></description><category></category></item><item><title><![CDATA[PyTorch超级资源列表(Github 2.4K星)包罗万象]]></title><link>https://blog.youkuaiyun.com/shareviews/article/details/83241651</link><guid>https://blog.youkuaiyun.com/shareviews/article/details/83241651</guid><author>shareviews</author><pubDate>Sun, 21 Oct 2018 15:05:04 +0800</pubDate><description><![CDATA[PyTorch超级资源列表(Github 2.4K星)包罗万象。发现了一份极棒的 PyTorch 资源列表，该列表包含了与 PyTorch 相关的众多库、教程与示例、论文实现以及其他资源。实践派赶紧收藏，以备不时之需。由于是资源列表，仅翻译了一级标题，看官见谅。
项目地址：https://github.com/bharathgs/Awesome-pytorch-list]]></description><category></category></item><item><title><![CDATA[深度学习-74: Keras的架构、模型、可视化和案例库]]></title><link>https://blog.youkuaiyun.com/shareviews/article/details/83094840</link><guid>https://blog.youkuaiyun.com/shareviews/article/details/83094840</guid><author>shareviews</author><pubDate>Tue, 16 Oct 2018 17:39:49 +0800</pubDate><description><![CDATA[深度学习-74: Keras的架构、模型、可视化和案例。介绍Keras的架构，Keras内置数据集，Keras内置模型、内置可视化支持和相关在线资源。Keras一个高度模块化的神经网络库，支持GPU和CPU。Keras支持卷积神经网络和循环神经网络，以及两者的组合。Keras 是一个用 Python 编写的高级神经网络 API，它能够以 TensorFlow, CNTK, 或者 Theano 作为后端运行。Keras 的开发重点是支持快速的实验。能够以最小的时延把你的想法转换为实验结果，是做好研究的关键。]]></description><category></category></item><item><title><![CDATA[深度学习-72: PyTorch的架构、模型、可视化和案例库]]></title><link>https://blog.youkuaiyun.com/shareviews/article/details/83094783</link><guid>https://blog.youkuaiyun.com/shareviews/article/details/83094783</guid><author>shareviews</author><pubDate>Tue, 16 Oct 2018 17:35:59 +0800</pubDate><description><![CDATA[深度学习-72: PyTorch的架构、模型、可视化和案例库。文本介绍PyTorch的架构，PyTorch内置数据集，PyTorch内置模型、PyTorch的可视化支持和相关在线资源。PyTorch(Caffe2)通过混合前端，分布式训练以及工具和库生态系统实现快速，灵活的实验和高效生产。PyTorch 和 TensorFlow 具有不同计算图实现形式，TensorFlow 采用静态图机制(预定义后再使用)，PyTorch采用动态图机制(运行时动态定义)。]]></description><category></category></item><item><title><![CDATA[深度学习-71: Tensorflow的架构、模型、可视化和案例库]]></title><link>https://blog.youkuaiyun.com/shareviews/article/details/83094558</link><guid>https://blog.youkuaiyun.com/shareviews/article/details/83094558</guid><author>shareviews</author><pubDate>Tue, 16 Oct 2018 17:25:02 +0800</pubDate><description><![CDATA[深度学习-71: Tensorflow的架构、模型、可视化和案例库。文本介绍Tensorflow的架构，Tensorflow内置数据集，Tensorflow内置模型、内置可视化支持和相关在线资源。Tensorflow一个高度模块化的神经网络库，支持GPU和CPU。TensorFlow是一个使用数据流图进行数值计算的开源软件库。TensorFlow最初是由研究人员和工程师在Google机器智能研究组织的Google Brain团队开发的，目的是进行机器学习和深度神经网络研究。 该系统通用性足以适用于各种其他领]]></description><category></category></item><item><title><![CDATA[深度学习-43:长短时记忆神经网络(LSTM)]]></title><link>https://blog.youkuaiyun.com/shareviews/article/details/83043902</link><guid>https://blog.youkuaiyun.com/shareviews/article/details/83043902</guid><author>shareviews</author><pubDate>Sun, 14 Oct 2018 00:31:09 +0800</pubDate><description><![CDATA[深度学习-43:长短时记忆神经网络(LSTM)

深度学习原理与实践(开源图书)-总目录

长短时记忆神经网络(Long Short-term Memory Networks,LSTM)是一种 RNN 特殊的类型，可以学习长期依赖信息。LSTM 由 Hochreiter &amp;amp;amp;amp;amp;amp; Schmidhuber (1997) 提出，并在近期被 Alex Graves 进行了改良和推广。STM 通过刻意的...]]></description><category></category></item><item><title><![CDATA[深度学习-42:深度递归神经网络(Recursive NN,RNN)]]></title><link>https://blog.youkuaiyun.com/shareviews/article/details/83043892</link><guid>https://blog.youkuaiyun.com/shareviews/article/details/83043892</guid><author>shareviews</author><pubDate>Sun, 14 Oct 2018 00:28:01 +0800</pubDate><description><![CDATA[深度学习-42:深度递归神经网络(Recursive NN,RNN)

深度学习原理与实践(开源图书)-总目录

递归神经网络(Recursive NN,RNN)通过带有树状相似的神经网络结构来递归复杂的深度网络。本质上，递归神经网络是对循环神经网络(Recurrent Neural Network)的一个有效扩展，他们具有不同的计算图。
递归神经网络(Recursive NN)和循环神经网络(R...]]></description><category></category></item><item><title><![CDATA[深度学习-41: 深度循环神经网络(Recurrent NN, RNN)]]></title><link>https://blog.youkuaiyun.com/shareviews/article/details/83043884</link><guid>https://blog.youkuaiyun.com/shareviews/article/details/83043884</guid><author>shareviews</author><pubDate>Sun, 14 Oct 2018 00:24:38 +0800</pubDate><description><![CDATA[深度学习-41: 深度循环神经网络(Recurrent NN, RNN)

深度学习原理与实践(开源图书)-总目录

在图像分类和目标识别领域，基于前馈神经网络的深度学习模型表现优异，但是在语音识别和自然语音处理领域深度学习模型水土不服，时间序列数据存在时间关联性和整体逻辑特性。深度学习模型无法利用历史数据的时间依赖关系，来分析数据特征，故而无法处理时间序列数据。计算机科学家借鉴大脑处理时序数据的...]]></description><category></category></item><item><title><![CDATA[深度学习原理与实践(开源图书)-总目录]]></title><link>https://blog.youkuaiyun.com/shareviews/article/details/83040730</link><guid>https://blog.youkuaiyun.com/shareviews/article/details/83040730</guid><author>shareviews</author><pubDate>Sat, 13 Oct 2018 17:54:24 +0800</pubDate><description><![CDATA[深度学习原理与实践(开源图书)-总目录

优快云专栏: 深度学习原理与实践(开源图书)
优快云专栏: 机器学习原理与实践(开源图书)

深度学习理论的突破和深度学习硬件加速能力的突破，使AI在模式识别、无人驾驶、智力游戏领域取得空前的成功。学术界和工业界全力以赴掀起人工智能的新一轮热潮。各大互联网巨头纷纷成立人工智能研究中心，唯恐在新一轮人工智能的竞赛被无情淘汰。深度学习应用已遍及人工智能的各...]]></description><category></category></item><item><title><![CDATA[深度学习-54:生成式对抗网络GAN(原理、模型和演进)]]></title><link>https://blog.youkuaiyun.com/shareviews/article/details/83040305</link><guid>https://blog.youkuaiyun.com/shareviews/article/details/83040305</guid><author>shareviews</author><pubDate>Sat, 13 Oct 2018 17:20:22 +0800</pubDate><description><![CDATA[# 深度学习-52:生成式对抗网络GAN(原理、模型和演进)。GAN模型演化出WGAN、WGAN GP、LS GAN、DRAGAN、BEGAN等GAN模型变体。Goodfellow认为正确使用数据的方式，先对数据集的特征信息有insight之后，再干活。在2014年，Goodfellow等提出生成式对抗网络GAN(Generative adversarial networks)。GAN网络由一个生成器和一个判别器构成。生成器和判别器使用多层感知机。]]></description><category></category></item><item><title><![CDATA[机器学习原理与实践(开源图书)-总目录]]></title><link>https://blog.youkuaiyun.com/shareviews/article/details/83030331</link><guid>https://blog.youkuaiyun.com/shareviews/article/details/83030331</guid><author>shareviews</author><pubDate>Fri, 12 Oct 2018 17:24:53 +0800</pubDate><description><![CDATA[开源图书-机器学习原理与实践-总目录

优快云专栏: 机机器学习原理与实践

现在我们有了足够的基础设施收集数据和处理数据的能力，诸如：物联网、全球导航系统、互联网、工业互联网、电信网络、移动通信网络、传感器网络、云计算、超级计算机集群。从海量数据中建立模型或发现有用的知识才能将数据矿藏变成真实的知识财富，而挖矿的工具就是机器学习。

告别碎片阅读，构成知识谱系。 一起阅读和完善开源图书《机器学...]]></description><category></category></item><item><title><![CDATA[深度学习-85:智慧地球/智慧城市/智慧家庭]]></title><link>https://blog.youkuaiyun.com/shareviews/article/details/83028075</link><guid>https://blog.youkuaiyun.com/shareviews/article/details/83028075</guid><author>shareviews</author><pubDate>Fri, 12 Oct 2018 15:33:44 +0800</pubDate><description><![CDATA[深度学习-85:智慧地球/智慧城市/智慧家庭
优快云专栏: 机器学习+深度学习(理论/实践)
网络互联互通在企业级别渗透范围极其广泛，边缘领域(家庭、公共基础设施、安防等)并未网络互联互通，数据都停留在信息孤岛上。智慧地球从很高的维度关注工业化、信息化和全球化的趋势，智慧地球的理念的发布，立即在IT界、经济界、工业界等领域引起了巨大的反响。2009年金融危机，IBM首席执行官彭明盛(...]]></description><category></category></item><item><title><![CDATA[深度学习-84:自动驾驶技术(L0-L5级别)]]></title><link>https://blog.youkuaiyun.com/shareviews/article/details/83028038</link><guid>https://blog.youkuaiyun.com/shareviews/article/details/83028038</guid><author>shareviews</author><pubDate>Fri, 12 Oct 2018 15:32:14 +0800</pubDate><description><![CDATA[深度学习-84:自动驾驶技术(L0-L5级别)

优快云专栏: 机器学习&amp;amp;amp;amp;amp;深度学习(理论/实践)

人工智能在驾驶领域的应用最为深入。通过依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在无人类主动的操作下，自动安全进行操作。自动驾驶系统主要由环境感知、决策协同、控制执行组成。
目前自动驾驶在人工智能的应用领域中主要应用场景包括智能汽车、公共交通、快递用车、工业应...]]></description><category></category></item><item><title><![CDATA[深度学习-83:金融科技公司]]></title><link>https://blog.youkuaiyun.com/shareviews/article/details/83027934</link><guid>https://blog.youkuaiyun.com/shareviews/article/details/83027934</guid><author>shareviews</author><pubDate>Fri, 12 Oct 2018 15:26:51 +0800</pubDate><description><![CDATA[深度学习-83:金融科技公司

优快云专栏: 机器学习&amp;amp;amp;amp;amp;深度学习(理论/实践)

当今金融逐渐IT化，而科技公司也走向了金融化。百度、阿里巴巴、腾讯和京东纷纷难道金融牌照，纷纷发力个人消费金融市场。他们一方面科技能力输出，赋力各行各业，一方面发力发展金融业务。当前科技优势往往具有高纬度打击能力，任何传统公司任何传统行业在科技企业面前不堪一击。这种背景下任何具有标准业务的公司均可能分分钟替...]]></description><category></category></item></channel></rss>