• [分享交流] 【直播已结束】华为云深度学习平台及关键技术解密 - 云视界Live(7月26日 16:00-17:00)
    直播链接:https://zhibo.huaweicloud.com/watch/2217688(点击看直播)议题:华为云深度学习平台及关键技术解密时间:7月26日(今天)16:00-17:00PS:请同学们记的来线上观看直播哦,精彩内容值得一看。相关技术问题需请教的同学可以提前准备下提问问题,有专家解答。直播链接:https://zhibo.huaweicloud.com/watch/2217688
  • [热门活动] 华为云深度学习服务于2018年6月16日00:00(北京时间)转商通知
    尊敬的华为云客户:华为云计划于2018/06/16 00:00:00将深度学习服务(Deep Learning Service,简称DLS)正式转商用。深度学习服务是基于华为云强大高性能计算提供的一站式深度学习平台服务,内置大量优化的网络模型算法,以兼容、便捷、高效的品质帮助用户轻松使用深度学习技术,通过灵活调度按需服务化方式提供模型训练、评估与预测。服务正式商用后,在公测期间(2018/06/16 00:00:00之前)创建并正在运行的”开发环境(Notebook)、训练作业、可视化(TensorBoard)”,可以继续使用,转商后按使用时长计费,收费价格请参考该服务的计费详情页。华为云在此提醒您,如果不再使用深度学习服务,请在上述时间前删除公测期间创建并正在运行的“开发环境(Notebook)、训练作业、可视化(TensorBoard)”,避免产生不必要的费用,由此导致的损失将由您自行承担。更多关于深度学习服务的产品介绍,请您点击了解。如您在使用过程中有宝贵意见,欢迎您拨打华为云服务热线:4000-955-988与我们联系。感谢您对华为云的支持!来自:https://www.huaweicloud.com/notice/2018/20180608103125205.html
  • [用户故事] 一个小白的华为云深度学习服务使用体验
    本帖最后由 云飞杨 于 2018-4-3 09:24 编辑0. 为什么要试用深度学习服务? 基本不用解释,tensorflow的威力大家都知道 1. 学习tensflow入门知识参考这篇文章《TensorFlow 如何入门?》,对线性代数方面有一定门槛,里面提了一种用anaconda安装tensflow的方法,待尝试2. 申请开通DLS服务深度学习服务主页:http://www.huaweicloud.com/product/dls.html 目前还在公测中,提工单申请开通公测,可能要等一段时间 3. 开始使用 对DLS有个最粗浅的认知为: 数据集 + 模型 --训练--> 可用服务 后面的操作都按照入门的文档来操作 文档地址 http://support.huaweicloud.com/usermanual-dls/dls_01_0004.html,后面按这个步骤走, 简单介绍一下这个案例,这个任务的输入为上千张的花的图片 使用预制模型对着几类图片做学习后,生成一个远程服务, 这个服务能对一张完全新的图片做判断,判定这个花是这几种的可能性有多高 准备工作 [*]数据集说明:介绍数据集来源和数据集格式的转换。 [*]上传数据集:将数据集导入至OBS桶。 [*]上传的flower_photos.tgz是原始文件,还需要做转换,这部分的细节没有描述,基本如下: 1. 下载并安装tensorflow,墙内可用地址为 http://www.tensorfly.cn/tfdoc/get_started/os_setup.html2. 从git上clone整个model库, git clone https://github.com/tensorflow/models.git ,对于我这种python经验比较差的人来说,需要看下怎么安装model https://stackoverflow.com/questions/1471994/what-is-setup-py然后编辑那个python并运行3. 上传OBS 最后上传完,OBS里面的数据是长这样的 业务操作 [*]预置模型fine-tuning:使用预置模型,利用新数据集,通过创建训练作业得到一个新模型。 这里的拷贝至OBS这个功能做的挺好,有效降低用户焦虑选择了最大规格的 计算节点 ,提交了作业,虽然参数什么的完全不懂,按照指导上的去做32核 | 248GB | 4*P100在使用32核/ 4*P100的最强机器下,跑了41分训练完毕 补充,深度学习的同事提供了一个使用NFS训练的方案,大大提升了训练速度,只用7分钟就能训练完毕,还未上线 [*]部署预测服务:使用已训练的新模型,通过创建预测作业部署预测服务。 [*]发起预测请求:如何使用样例Demo工程向预测服务发起预测请求。 使用Java,需要调整参数,最后把这个步骤做完,java需要用绝对路径来输入图片文件 这里就给出了结果,输入图片为dandelion,也就是蒲公英的可能性为0.999以上,其他的可能性都在-7次方以下的概率里面 4.总体感受 DLS服务已经基本具备了可用的能力,
  • [公告] 从技术看2018视频监控发展趋势
      随着科技的发展,安防技术也一直在演进中,在网络化、高清化、智能化成为视频监控行业主要方向的当下,如何让产品更“智能”是当今安企的重要突破口。从2012年开始,行业内就已经开始围绕如何使产品、系统智能化展开探讨与研发,引发了一波技术潮流。  大数据  大数据时代的来临,在丰富世界形态的同时,也带来了许许多多的数据碎片,为解决这些零碎数据,大数据技术应运而生。大数据技术是一个采集的过程,可以统一大型数据集,并能够从分析中得出其它信息。  据IHSMarkit最新数据显示,中国在公共和私人领域共装有1.76亿个监控摄像头,每年产生数千万PB的数据量。视频监控业务正是一个依靠数据说话的典型数据依赖型业务,大数据与视频监控业务有着天然的结合。在大数据技术支撑下,网络视频监控数据存储模型可转向分布式的数据存储体系,提供高效、安全、廉价的存储方式。通过大数据技术实现视频图像模糊查询、快速检索、精准定位,提高视频监控数据的使用效率。  机器视觉  伴随着人工智能的高速发展,机器视觉以它独有的非接触、速度快、精度高、现场抗干扰能力强等突出优点吸引了安防行业的目光。机器视觉能有效地对数据进行“智能化”存储、分析以及应用,它已经成为安防企业下一步突破“更”智能化的重要帮手。  机器视觉简单的来说就是用机器代替人眼来做测量和判断,对图像进行识别,因此机器视觉在人脸识别、车牌识别等方面得到大量运用。机器视觉技术由软件和硬件的结合,主要组成部分包括照相机、摄像头、图像传感器、视觉处理和通信设备。完备的系统能捕捉任意对象的图像,并根据质量和安全性的不同参数来分析它们。  深度学习  深度学习虽然是人工智能一个新的领域,但近年来在安防行业中极为热门,并且与安防有着很高的契合度。究其原因主要是因为深度学习的关键要素是数据,而安防行业中视频监控数据占数据总量60%以上。  深度学习主要研究领域在语音识别和视觉分析,而且深度学习有很强的塑造性,可以应用到各个方向,在不同的领域做出不同的技术创新。随着监控摄像头的全面覆盖及大量视频数据的积累,一些大型项目的终端用户(如公安、交警),正在迫切寻找新的视频分析解决方案来重新解读这些数据,获取新的价值。深度学习算法的出现正好解决了海量数据与人力短缺之间的矛盾,有效提高识别准确率,直接建立从数据到目标模型的映射,不再需要人工选择或创建特征集来描述目标。  云边结合  对于云计算我们已经不再陌生,边缘计算也正以破竹之势迅速发展。技术定义来说,边缘计算是在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的开放平台。  当前云计算是一种集中式中心化的云,但随着IT基础设施逐渐云化,大视频、物联网逐渐兴起,集中式中心化云将不能适应低延迟、大带宽等要求,这时候就需要向“中心化”的云发展。由此看来,云边融合是必然趋势。云边结合是将智能算法前置,通过边缘计算,将人脸识别等应用的抓图的压力分摊到前端,解放中心的计算资源。  结语:从模拟监控到数字监控,从存储硬盘到云端,从人眼校对到智能分析,视频监控行业正朝更加智能化方向蓬勃发展。无论从产业的发展角度,还是技术的发展角度,视频监控行业都将会有更广阔的市场和更大的发展空间。
  • [技术干货] 【电子书下载】人工智能技术入门该读哪些书?这里有一份精选书单
    本帖最后由 逆流的云 于 2018-1-19 15:58 编辑全部PDF电子书下载链接在文末,仅供个人学习与交流,回复本帖可见。 本文来自微信公众号" 量子位 "(ID:QbitAI),王小新 编译整理 学习人工智能相关技术该读什么书?这是量子位各个微信群中出现频率极高的问题。今天,我们就从 Dev-books 搬来了一份有理有据的精选书单。Dev-books 通过分析程序员问答网站 Sackoverflow 上 4000 万多个问题和答案,统计了提及频率最高的人工智能书籍,得到了如下结果。9233 量子位从 Dev-books 推荐中去掉了重复的和年代过于久远的书籍,最终得到 14 本书,做了简要介绍,以及中译本的情况。排名有先后。 1.学习 OpenCV9234 Learning OpenCV 的作者是 Gary Bradski 和 Adrian Kaehler,两位都是 OpenCV 库的发起人。其中,Bradski 是斯坦福大学人工智能实验室的顾问教授;Kaehler 在 2014-2016 年间做过 Magic Leap 副总裁。本书适合对计算机视觉和图像处理有基本了解的人群,通过本书能更好地了解 OpenCV 如何让编程任务更容易。两位作者将众所周知的算法编码成可调用的函数库,可以用来完成更复杂的任务。当然,这也作为一本用户手册,目录结构清晰,遇到问题时可进行查阅。这本书的中译本叫《学习 OpenCV》,连封面都没怎么改……定价 75 元,某东某宝某当某逊都有卖,50 元左右。 2.人工智能:一种现代的方法9235 Artificial intelligence: A Modern Approach 是人工智能领域经典教材,作者是 Stuart Jonathan Russell 和 Peter Norvig。Russell 是加州大学伯克利分校的计算机科学教授,已发表超过 100 篇关于通用人工智能的论文;Norvig 是 Google Research 主管,AAAI fellow、ACM fellow。本书提供了现代技术中关于人工智能理论与实践最全面和前沿的介绍,通过智能决策、搜索算法、逻辑推理、神经网络和强化学习等方面来介绍最先进的人工智能技术,推荐给对人工智能感兴趣的专业研究人员。中译本封面大家可能更熟悉一些:9236 现在市面上在售的是第三版,定价 128 元。 3.智能 Web 算法9237 Algorithms of Intelligent Web 的作者是 Haralambos Marmanis 和 Dmitry Babenko,前者是用机器学习解决工业问题的先驱,后者参与设计了用于银行、保险和供应链管理的应用程序。本书会让你学会该如何捕获、存储和构建网络中的用户数据,并通过数理统计、神经网络和深度学习等方法实现数据分类,进而构建推荐系统。本书还提供了如在线广告的点击预测等案例分析,附有相关代码。市面上比较多的是第 2 版,第一版封面是蓝白配色,第二版变成了黑白。中译本名叫《智能 Web 算法 ( 第 2 版 ) 》定价 69 元。 4.语音与语言处理9238 这本书的作者是 Dan Jurafsky 和 James H. Martin,两人都是斯坦福大学语言学系和计算机科学系教授。本书涵盖了经典自然语言处理、统计自然语言处理、语音识别和计算语言学等方面。聊天机器人、智能问诊和对话系统等等让语音和语言处理成为 21 世纪最令人兴奋的一个研究内容。本文采用统计学方法和其他机器学习算法,通过实例来说明各种方法的相对优势和不足,分别涉及序列标注、信息提取、智能问答、语音识别和语音合成等多个前沿研究方向。对于语音学领域专业人员,这是一本重要的参考书籍。9242 中译本的书名丢掉了 " 语音 ",叫《自然语言处理综论》,人民邮电出版社有英文影印版《语音与语言处理》。好像都不太容易买到。 5.模式识别与机器学习9243 Pattern Recognition and Machine Learning,作者是 Christopher M. Bishop,麻省理工学院教授。这是第一本提出贝叶斯方法的模式识别教科书。本书提出了近似推理算法和用于描述概率分布的图模型等多种最新分类方法。在阅读本书之前,最好有多变量微积分和基本线性代数等数理基础,面向人群为高年级本科生、研究生和相关研究人员。这本书在国内通常被称为 PRML,目前没有正式出版的中文版,但是有一个本该内部流传,结果变成了网上流传的电子版,背后详情见 http://weibo.com/p/1001603885799136480788。 6.游戏人工智能编程案例精粹9244 Programming Game AI by Example,作者 Mat Buckland。本书是游戏人工智能方面的经典之作,畅销多年,主要讲述如何使游戏中的角色具有智能,先介绍了游戏角色的基本属性及常用数学方法,接着深入探讨游戏智能体状态机的实现,提到了图在游戏中的用途及各种不同的图搜索算法,还以 Lua 脚本语言为例来介绍了游戏脚本语言的优点。综上,本书适用于对游戏 AI 开发感兴趣的爱好者和游戏 AI 开发人员。有中译本,定价 79 元,容易买到。 7.统计自然语言处理基础9245 Foundations of Statistical Natural Language Processing,作者是 Christopher D. Manning 和 Hinrich Sch ü tze,两人都是斯坦福大学教授。这是国内外多所著名大学的计算语言学教材,全面系统地介绍了统计自然语言处理技术。本书涵盖的内容十分广泛,包括了构建自然语言处理软件工具将用到的几乎所有理论和算法。全书的论述过程由浅入深,从数学基础到精确的理论算法,从简单的词法分析到复杂的语法分析,适合不同水平的读者群的需求。中译本《统计自然语言处理基础》由电子工业出版社出版,定价 55 元,易断货。 8.模式分类9246 Pattern classification 的作者是 Richard O. Duda、Peter E. Hart 和 David G. Stork,其中 Duda 是圣何塞州立大学名誉教授。本书是模式识别和场景分析领域的经典著作,第 1 版出版于 1973 年,2000 年的第 2 版保留了第 1 版的关于统计模式识别和结构模式识别的主要内容以外,还新增了许多近 25 年来的新理论和新方法,其中包括神经网络、机器学习、数据挖掘、进化计算、不变量理论、隐马尔可夫模型、统计学习理论和支持向量机等。中译本《模式分类》定价 59 元,某东某宝某当等等都有售。 9.模式识别中的神经网络9247 Neural Networks for Pattern Recognition 的作者和我们前边提到的《模式识别与机器学习》一样,也是 Christopher Bishop,爱丁堡大学计算机系教授。从统计模式识别的角度来看,这本书完整地介绍了前馈神经网络。本书在介绍基本数学知识后,研究了概率密度函数的建模方法以及多层感知机和径向基函数网络模型的性质和优点,还提到了误差函数的主要算法、神经网络调参技巧及贝叶斯技术的应用。本书的目标人群为涉及神经计算和模式识别领域的相关研究人员。没有见到中文版 / ( ㄒoㄒ ) /~~ 10.计算机视觉9248 Computer Vision: A Modern Approach 是计算机视觉领域的经典教材,作者为 David Forsyth 和 Jean Ponce。本书的内容涉及线性滤波、局部图像特征、聚类、图像分类、对象检测和识别、基于图像的建模与渲染等。9249 电子工业出版社引进了本书的英文影印版《计算机视觉:一种现代方法》,定价 75 元,(在我们写稿找图的时候)某当有售。内容涉及几何摄像模型、光照和着色、色彩、线性滤波、局部图像特征、纹理、立体相对、运动结构、聚类分割、组合与模型拟合、追踪、配准、平滑表面与骨架、距离数据、图像分类、对象检测与识别、基于图像的建模与渲染、人形研究、图像搜索与检索、优化技术等内容。与前一版相比,本书简化了部分主题,增加了应用示例,重写了关于现代特性的内容,详述了现代图像编辑技术与对象识别技术。 11. 人工智能游戏编程真言9250 AI Game Programming Wisdom 的作者是 Steve Rabin,任天堂公司的首席软件工程师。本书汇集了与智能游戏开发有关的人工智能内容,借助这些内容,开发员能够顺利开发角色。全书内容分为 11 章,分别是:通用智能,实用技术和专用系统,A 路径搜索,路径搜索与运动,战术问题和智能的群体运动,通用智能游戏贺构,决策体系结构,FPS、RIS 和 RPC 游戏中的智能,竞赛与运动智能,脚本语言以及学习理论。读者可以把这本书当成路线图,了解在智能游戏方面已经被成功使用的技术和在将来具有很大潜力的新技术。无论是经验丰富的智能游戏专家,还是准备进入游戏业界的人士,本书都是必备资源。9251 中译本《人工智能游戏编程真言》定价 54 元,年代久远,似乎断货严重。 12.Java 设计模式(第 2 版)9239 Design Patterns in Java 的作者是 Steven John Metsker 和 William C. Wake,其中 Metsker 是 Dominion Digital 公司的管理顾问,擅长运用面向对象技术构建结构清晰、功能强大的软件系统。本书通过一个完整的 Java 项目对经典著作 Design Patterns 一书介绍的 23 种设计模式进行了深入分析与讲解,实践性强,却又不失对模式本质的探讨。本书创造性地将这些模式分为 5 大类别,以充分展现各个模式的重要特征,并结合 UML 类图与对应的 Java 程序,便于读者更好地理解。同时本书给出了大量练习及参考答案,使读者印证比较,寻找不足。中译本《Java 设计模式》出版于 2007 年,定价 49 元,似乎同样严重断货。 13.Python 自然语言处理9240 Natural Language Processing with Python 的作者是 Steven Bird、Ewan Klein 和 Edward Loper,三人分别是墨尔本大学软件工程系副教授、爱丁堡大学语言技术教授和宾夕法尼亚大学博士。本书基于自然语言工具包 NLTK 库,不要求读者有 Python 编程的经验。内容按照难易程度顺序编排,先介绍了语言处理的基础,讲述如何使用小的 Python 程序分析感兴趣的文本信息;接着讨论了结构化程序设计,以巩固前面几章中介绍的编程要点;然后介绍了语言处理的基本原理,包括标注、分类和信息提取等;进而再介绍了句子解析、句法结构识别和句意表达方法和如何有效管理语言数据。后记部分简要讨论了 NLP 领域的过去和未来。综合评价,本书是自然语言处理领域的一本实用入门指南。国内有中译本和英文影印本,都叫《Python 自然语言处理》,中译本定价 89 元。 14. 实用 Common Lisp 编程9241 Practical Common Lisp 的作者是 Peter Seibel,加州大学伯克利分校教授。本书是一本不同寻常的 Common Lisp 入门书,介绍了作者的学习经历,分别讲述了各种基础知识,主要包括:REPL 及 Common Lisp 的各种实现、S- 表达式、函数与变量、标准宏与自定义宏等,然后通过 9 个章节详细介绍了几个有代表性的实例,包含如何构建垃圾过滤器、解析二进制文件、构建 ID3 解析器,以及如何编写一个完整的 MP3 Web 应用程序等内容。本书适合 Common Lisp 初学者及对其感兴趣的相关人员。中译本《实用 Common Lisp 编程》定价 89 元,各大电商平台都有,偶尔断货。 [hide]链接: https://pan.baidu.com/s/1smCmys9 密码: 72ez[/hide]
  • [教程] 【跟专家深度学习7部曲】-《Go及其相关框架插件机制比较》
    本帖最后由 橘色祥云楼楼主 于 2018-1-3 10:27 编辑《Go及其相关框架插件机制比较》是华为[color=rgb(0,112,192)]PaaS服务产品部 史建伟老师精心打磨而成!{:3_48:} 【专家介绍】4007 【专题介绍】 Go语言自诞生之日起,相较Java等强类型虚拟机语言缺乏语言层面的动态加载能力。1.8以来引入了基于共享对象库文件(.so)的plugin机制,能够动态加载基于go语言编写的.so库文件。同时Docker、Kubernetes等基于Go语言的开源框架/系统都有基于自身架构设计的插件/驱动机制来实现特定模块功能的用户自定义扩展,并最终驱动了旨在兼容多数容器编排系统的容器存储接口标准CSI的起草。 本文重点介绍5个Go语言及其相关开源框架的插件机制,基于相关的原理、架构和使用分析,一窥当前Go语言领域的插件机制现状。文末基于详细的比较给出了参考步骤和架构,可供基于Go语言开发的系统进行模块化、插件化机制/框架的选型参考。 本文分成7个部分,带领大家一步步深度学习。(其中1和2合并成了一个帖子) 内附PPT图片,点击查看,深度学习7步走: 【Go及其相关框架插件机制比较】1. 引言&2.Go plugin机制 【Go及其相关框架插件机制比较】3. Docker插件机制 【Go及其相关框架插件机制比较】4. K8S插件机制 【Go及其相关框架插件机制比较】5. Hashicorp go-plugin 【Go及其相关框架插件机制比较】6.The Container Storage Inte**ce (CSI) 【Go及其相关框架插件机制比较】7. 总结 如果你有任何问题,欢迎马上回帖咨询,{:4_87:}我们会邀请史老师尽快为您解答~ ✔✔✔✔✔✔✔✔✔✔✔✔✔✔✔✔✔✔✔✔✔✔我是有巨大的好事情的分割线✔✔✔✔✔✔✔✔✔✔✔✔✔✔✔✔✔✔✔✔✔✔✔✔ 顺便来参与本年度最后一波活动啦:截止2018年1月31日——你的问题你的建议还能被采纳而获奖哦!{:2_26:} 8103 点击查看:《【1条100块】“3选1任你怼”:提个问、建个议,开口就能瓜分1000元红包》 ←← 3899
  • 智能硬件平台Atlas打造华为GPU加速云服务“硬实力”
    智能硬件平台Atlas打造华为GPU加速云服务“硬实力” 2017年9月25 - 27日,在GTC China 2017上,华为展示GPU加速云服务和全新一代智能硬件平台Atlas,为人工智能和深度学习的广泛应用铺平道路,成为本次大会的亮点。 1、三大亮点——Atlas代言华为云新一代智能硬件平台 多种异构资源 华为高性能异构计算服务器、通用服务器和存储服务器,提供GPU和存储等多种异构资源池。硬件可编排 通过智能调度平台提供统一的编排调度,实现异构资源的按需获取和使用,资源利用率提升50%以上。秒级部署 华为云平台秒级部署能力,快速提供逻辑服务器,大幅减少业务部署周期。 三大亮点使得Atlas云平台提供“资源池化编排”能力:通过异构计算服务器组建基于CUDA接口的弹性资源池,GPU资源不绑定VM,用户可以根据需求动态申请、释放和修改GPU资源,同时支持多种拓扑配置,可以一键切换GPU资源拓扑。GPU资源池化的优势是按GPU资源使用时长收费,从而提供高性价比的GPU加速云服务。 2、华为云GPU加速云服务——人工智能与深度学习领域的基石华为云在人工智能和深度学习领域,新推出基于NVIDIA® Tesla®P100 GPU的P1实例和基于 Tesla P4 GPU的PI1实例。P1实例主打计算加速,尤其擅长深度学习的训练场景,单节点包含8块业界领先的Tesla P100 GPU。PI1实例更适用于计算推理场景,支持最高达22TFLOPS INT8运算能力。P1和PI1可实现一键部署Caffe、TensorFlow和MXNet等主流深度学习框架,并可通过华为大数据和AI引擎提供的图像识别和大数据分析等服务快速构建企业级应用。3196 3、三大应用场景——面向多个行业提供**解决方案3198图形图像华为云GPU加速云服务G1实例,搭载业界领先高性能虚拟工作站显卡NVIDIA Tesla M60和NVIDIA GRID,提供卓越的性能和可靠性,在虚拟图形桌面、轻量级图形处理等场景下,搭配Workspace桌面云,让用户体验到更好的前端效果。 华为云GPU加速云服务G2实例,搭载NVIDIA M60和直通模式,搭配更大规格的内存和vCPU,主打专业虚拟图形工作站、图形图像渲染和视频编解码等场景。 人工智能AI华为云GPU加速云服务P1和PI1实例,分别采用业界领先数据中心级GPU NVIDIA Tesla P100和Tesla P4,分别满足AI领域在训练和推理方面的需求,资源池化和自动编排让用户可以更快速、更高效、更合理的使用异构计算资源,极大提升人工智能以及深度学习的效率。华为云为全球人工智能领域提供强大的云上计算平台和计算能力,满足语音识别、自动驾驶、智能推荐和智能医疗等领域对异构计算的需求。 高性能计算HPC对计算性能要求高的行业 ,华为云推出了GPU+裸机的解决方案,提升仿真精度和双精度浮点运算,深度挖掘硬件计算能力,打造强大、高速、安全的高性能计算平台,在气象预测、石油勘探和分子动力模拟等领域有广泛应用。 华为将与NVIDIA通过开放生态合作,提供更高性能的云上GPU加速解决方案。
总条数:1305 到第 页
上滑加载中