introduction专题
AI基础 L1 Introduction to Artificial Intelligence
什么是AI Chinese Room Thought Experiment 关于“强人工智能”的观点，即认为只要一个系统在行为上表现得像有意识，那么它就真的具有理解能力。 实验内容如下： 假设有一个不懂中文的英语说话者被关在一个房间里。房间里有一本用英文写的中文使用手册，可以指导他如何处理中文符号。当外面的中文母语者通过一个小窗口传递给房间里的人一些用中文写的问题时，房间里的人能够依
Introduction to Deep Learning with PyTorch
1、Introduction to PyTorch, a Deep Learning Library 1.1、Importing PyTorch and related packages import torch# supports:## image data with torchvision## audio data with torchaudio## text data with t
RFC6455-The WebSocket protocol 之一：1. Introduction
1. Introduction 1、介绍 1.1. Background 1.2 背景 _This section is non-normative._ 这部分是非正式的。 Historically, creating web applications that need bidirectional communication between a client and a server (
语音信号处理1：Introduction
参考An introduction to signal processing for speech，From Dan Ellis @ Columbia University，Chapter 22 in Handbook of Phonetic Science ，极好的入门引导，摘录+补充。 This chapter aims to give a transparent and intuitiv
Introduction to the t Distribution (non-technical)
https://www.youtube.com/watch?v=Uv6nGIgZMVw
Introduction to linear optimization 第二章全部课后题答案
费了好长时间，终于把这本经典理论教材第二章的课后题做完了。大部分都是证明题，很多都是比较有难度的。 不少题我参考了网上找到的一些资料的思路，但是有一些题目我觉得这些网上找到的答案也不太好，自己修正完善了下，少部分题目自己独立完成。 我把答案放在一个 Jupyter book 上，见链接：第二章答案
Introduction to linear optimization 第 2 章课后题答案 11-15
线性规划导论 Introduction to linear optimization (Dimitris Bertsimas and John N. Tsitsiklis, Athena Scientific, 1997)， 这本书的课后题答案我整理成了一个 Jupyter book，发布在网址： https://robinchen121.github.io/manual-introductio
introduction to db--学习记录
sql 部分： 1.对于query的寻找，活学活用，不同的部分，对应有不同的解决方式。并且方法不唯一cross product , natural join这些，都是可以相互贯穿运用求解的。
CUDA-GPU programming Introduction (4)
Concurrent execution and streams GPU和CPU之间的并行性是不言而喻的，各自的计算是asynchronous的，任何时候如果需要同步这两者，都需要用到： CudaDeviceSynchronize () 对于GPU和CPU之间的memory copy来说，小数据量传输默认是asynchronous，大数据量传输则是synchronous的。但是我们可以加上后
CUDA-GPU programming Introduction (3)
关于提高performance的一些建议： Important caveat：number of threads 并不是越多并行线程效率越高，因为每个线程都消耗一定的resource，主要是register和shared memory。所以开出再多的线程，GPU也只能在有限的资源下让一部分并行。优化应该根据资源需求。 unavoidable bottleneck: transfer b
CUDA-GPU programming Introduction (1)
基本定位： CPU的并行是对于多任务的同时进行，task parallelism, 力求minimize latency，而GPU的并行是对于单任务的数据并行，data parallelism, 力求maximize throughout。CPU的组成有相当的部分作为控制和调度，GPU则主要是计算单元的堆积，large scale SIMD (Single Instruction Multipl
Introduction MongoDB
What is MongoDB? Database solution How is mongoDB different? The Key MongoDB Characteristics link : MongoDB: the application data platform | MongoDB
A Short introduction to descriptors，附带SIFT描述子的基本原理
转载地址： https://gilscvblog.com/2013/08/18/a-short-introduction-to-descriptors/ Gil's CV blog A Short introduction to descriptors Since the next few posts will talk about binary descriptors, I t
OpenCV Introduction(译)
原文链接：https://blog.csdn.net/u011608180/article/details/84842086 介绍¶ OpenCV（开源计算机视觉库：http：//opencv.org）是一个开源的BSD许可库，包含数百种计算机视觉算法。该文档描述了所谓的OpenCV 2.x API，它本质上是一个C ++ API，与基于C的OpenCV 1.x API相反。后者在open
RNN and LSTM introduction
原文 http://www.jianshu.com/p/9dc9f41f0b29 本文译自 Colah 的博文 Recurrent Neural Networks 人类并不是每时每刻都从一片空白的大脑开始他们的思考。在你阅读这篇文章时候，你都是基于自己已经拥有的对先前所见词的理解来推断当前词的真实含义。我们不会将所有的东西都全部丢弃，然后用空白的大脑进行思考。我们的思想拥有持久性。
Vision SDK for Android教程（一）Introduction
mapbox的Vison SDK，去年一直关注，一直在内测中，今年前一阶段才开放，我一直关注这个SDK，很想试试看看效果如何，一方面是对这个模式识别很感兴趣，其次工作上也有可能部分用到，Vision SDK的官方文档翻译一下，方便自己和后续使用。 官网地址：https://docs.mapbox.com/android/vision/overview/ Vision SDK for Andro
多模态vlm综述：An Introduction to Vision-Language Modeling 论文解读
目录 1、基于对比学习的VLMs 1.1 CLIP 2、基于mask的VLMs 2.1 FLAVA 2.2 MaskVLM 2.3 关于VLM目标的信息理论视角 3、基于生成的VLM 3.1 学习文本生成器的例子： 3.2 多模态生成模型的示例： 3.3 使用生成的文本到图像模型进行下游视觉语言任务 4、 基于预训练主干网络的视觉语言模型（VLM） 4.1 Frozen
Introduction to Terraform
» What is Terraform? Terraform is a tool for building, changing, and versioning infrastructure safely and efficiently. Terraform can manage existing and popular service providers as well as custom in
Linux内核简介——Introduction of the kernel
LINUX内核简介：a) LINUX体系结构： i. 用户空间：应用程序，C库 ii. 内核空间：系统调用接 ... LINUX内核简介： a) LINUX体系结构： i. 用户空间：应用程序，C库
MAB规范（2）：Introduction 介绍
Chapter1 Introduction 1.1 指南目的 MathWorks咨询委员会（MAB）指南规定了Simulink和Stateflow建模的重要基本规则。这些建模指南的总体目的是让建模者和控制系统模型的使用者能够简单、共同地理解。 指南的主要目标是： • 可读性 提高图形可理解性 提高功能分析的可读性 防止连接错误 注释等 • 仿真和验证 启用仿真的机制
【译】Learn D3 入门文档: Introduction
引子 D3 很早就听说了想要尝试一下，找到的中文版翻译在查 API 的时候可以参考，对于入门不太方便，打算先把官方最新的入门教程同步翻译一下。 原文：Learn D3: Introduction 版本：Published Mar 24, 2020 Origin My GitHub 正文 本系列将引导你踏出使用 D3.js 的第一步。 在我们开始之前，值得简单考虑一下：为什么
Mushroom Introduction
Mushroom Introduction 前言：本文主要介绍Mushroom系统底层各个模块，帮助读者尽快熟悉本系统。 1. 系统概述 main函数的设计思路是，一个main函数的主线程负责传感器数值的采集以及发送，同时单开一个用于控制器的控制线程。 在控制线程中，接收上层数据中心发送的指令，这个指令包含了控制器号以及即将修改的控制器状态。我们使用controller_set()来设
An Introduction to the Linux Terminal
https://www.digitalocean.com/community/tutorials/an-introduction-to-the-linux-terminal
PRML读书笔记(1)——introduction
\qquad1.1主要是简介机器学习与模式识别，1.2.1-1.2.4是概率论相关基础，不是本书重点，掌握即可，因此略过不总结。之后的章节主要内容有：线性回归的重新审视，模型选择，维度灾难，决策理论基础以及信息论基础。以下分别作出总结。 1.1 线性回归的重新审视 \qquad假设数据服从均值为 y(x,w) y(x,w)，方差为 β β的高斯分布，那么我们可以写出如下的概率公式：
Colab - Introduction to Object Detection using TensorFlow Hub
Colab - Introduction to Object Detection using TensorFlow Hub 1. 源由2. TensorFlow Hub3. 目标检测3.1 举例 - EfficientDet/D4 COCO 20173.2 下载示例图像3.2.1 显示部分样本3.2.2 定义一个将类别ID映射到类别名称和颜色的字典 3.3 加载模型3.4 单张照片执行推理3