- 作为本系列的第二篇文章，主要介绍一些经典的度量学习算法，包括传统的非深度学习算法和目前热门的深度学习算法。 作为本系列的第二篇文章，主要介绍一些经典的度量学习算法，包括传统的非深度学习算法和目前热门的深度学习算法。
- Numpy中为了避免python中的slice操作的拷贝开销，引入了view机制。在pthon中，如下代码中b会拷贝a的数据a = list(range(10))b = a[:5]而在numpy中由于view机制，如下代码b只是引用a中的数据a = np.arange(10)b = a[:5]平时来看是节约内存提升效率的一个机制，但是里面隐藏了一个坑。。。经常会碰到在循环内取出numpy数组... Numpy中为了避免python中的slice操作的拷贝开销，引入了view机制。在pthon中，如下代码中b会拷贝a的数据a = list(range(10))b = a[:5]而在numpy中由于view机制，如下代码b只是引用a中的数据a = np.arange(10)b = a[:5]平时来看是节约内存提升效率的一个机制，但是里面隐藏了一个坑。。。经常会碰到在循环内取出numpy数组...
- 做市商在为市场提供流动性方面扮演着重要角色，他们不断地报出愿意买入和卖出的价格。本文关注场外交易市场，只有一种证券在交易，做市商不断地向买方和卖方（即投资者）提供价格流。做市商在这个市场上围绕定价和风险管理的政策取决于其目标和偏好（例如，如何规避风险）、竞争做市商的政策、整体市场环境（如波动性）和投资者的交易流。本文调研了最新强化学习用于做市商的研究进展。 做市商在为市场提供流动性方面扮演着重要角色，他们不断地报出愿意买入和卖出的价格。本文关注场外交易市场，只有一种证券在交易，做市商不断地向买方和卖方（即投资者）提供价格流。做市商在这个市场上围绕定价和风险管理的政策取决于其目标和偏好（例如，如何规避风险）、竞争做市商的政策、整体市场环境（如波动性）和投资者的交易流。本文调研了最新强化学习用于做市商的研究进展。
- 车联网技术又叫做Internet of Vehicles (IoV)，是一种车与车之间可以通信（V2V），车与基础设施之间可以通信（V2I），以及其他交通参与者之间（V2X）可以通信的技术。车联网近年来被广泛认为是未来智能交通领域发展的重要方向。该技术能带来的优势和好处有一下几个方面。1. 车联网可以作为交通状态的传感器，数据可以用作准确估计交通流量、交通密度等重要交通状态参数，克服了传统人... 车联网技术又叫做Internet of Vehicles (IoV)，是一种车与车之间可以通信（V2V），车与基础设施之间可以通信（V2I），以及其他交通参与者之间（V2X）可以通信的技术。车联网近年来被广泛认为是未来智能交通领域发展的重要方向。该技术能带来的优势和好处有一下几个方面。1. 车联网可以作为交通状态的传感器，数据可以用作准确估计交通流量、交通密度等重要交通状态参数，克服了传统人...
- 文章主要介绍在使用高版本GCC进行项目编译时遇到的问题和解决方案。假设系统已经编译安装了高版本的GCC，并且没有覆盖系统自带的GCC（即并存）。 文章主要介绍在使用高版本GCC进行项目编译时遇到的问题和解决方案。假设系统已经编译安装了高版本的GCC，并且没有覆盖系统自带的GCC（即并存）。
- 本文是《基于学习的运筹优化算法进展与发展趋势》的第二篇，主要介绍了基于学习的运筹优化算法、类型以及优缺点，同时介绍了发展趋势。 本文是《基于学习的运筹优化算法进展与发展趋势》的第二篇，主要介绍了基于学习的运筹优化算法、类型以及优缺点，同时介绍了发展趋势。
- 求解器主要是用于求解线性规划问题，主要采用精确算法，如：单纯形法、内点法。 求解器主要是用于求解线性规划问题，主要采用精确算法，如：单纯形法、内点法。
- 1 引言在上一篇博文中，我们已经提到过纹理重建的主流方案可以分成基于融合和基于映射的方法。其中，基于映射的方法可能是更可靠的，这其中有论文地位的佐证，此外一些优秀的开源项目，例如OpenMVS，在进行纹理重建时也是采用的此种方法。从本篇博文开始，我们将开始对基于映射的方法进行详细的梳理，考虑到整体长度，这一内容可能会被拆分到数篇博文中，笔者将尝试结合论文（Waechter2014）和开源工程... 1 引言在上一篇博文中，我们已经提到过纹理重建的主流方案可以分成基于融合和基于映射的方法。其中，基于映射的方法可能是更可靠的，这其中有论文地位的佐证，此外一些优秀的开源项目，例如OpenMVS，在进行纹理重建时也是采用的此种方法。从本篇博文开始，我们将开始对基于映射的方法进行详细的梳理，考虑到整体长度，这一内容可能会被拆分到数篇博文中，笔者将尝试结合论文（Waechter2014）和开源工程...
- 简介：渲染分类：•光栅化（ rasterization）：将矢量顶点组成的图形进行像素化的过程 •光线投射（ray casting）：正向投射。从图像的每一个像素，沿视线方向发射光线，光线穿越整个图像序列，并在这个过程中，对图像序列进行采样获取颜色信息，同时依据光线吸收模型将颜色值进行累加，直至光线穿越整个图像序列，最后得到的颜色值就是渲染图像的颜色。 •光线跟踪（Ray tracing）：... 简介：渲染分类：•光栅化（ rasterization）：将矢量顶点组成的图形进行像素化的过程 •光线投射（ray casting）：正向投射。从图像的每一个像素，沿视线方向发射光线，光线穿越整个图像序列，并在这个过程中，对图像序列进行采样获取颜色信息，同时依据光线吸收模型将颜色值进行累加，直至光线穿越整个图像序列，最后得到的颜色值就是渲染图像的颜色。 •光线跟踪（Ray tracing）：...
- 前人基于传统图像处理的手骨分割工作主要采用了以下四种方法：1、基于阈值的分割： 基于图像灰度计算一个或多个阈值，并将每个像素点与阈值相比较，是图像分割中应用最广泛的一类方法，其实现难点如何在于寻找合适的灰度阈值，主要可分为全局阈值和自适应阈值两种。全局阈值只有一个固定阈值，如进行图像二值化；而自适应阈值的典型算法如OTSU算法，其核心思想是类间方差最大，能够自适应的寻找阈值。 为... 前人基于传统图像处理的手骨分割工作主要采用了以下四种方法：1、基于阈值的分割： 基于图像灰度计算一个或多个阈值，并将每个像素点与阈值相比较，是图像分割中应用最广泛的一类方法，其实现难点如何在于寻找合适的灰度阈值，主要可分为全局阈值和自适应阈值两种。全局阈值只有一个固定阈值，如进行图像二值化；而自适应阈值的典型算法如OTSU算法，其核心思想是类间方差最大，能够自适应的寻找阈值。 为...
- 问题描述 很多问题的优化可以建模为基于序列的优化，如旅行商问题（TSP）,排产问题，各类资源分配问题等，不同的序列有不同的优度。寻找最优序列的问题是NP难问题（其解空间为N!）。解决方法常用两种方法解决这类问题：一种是启发式算法，基于问题本身的规则得到较好的可行解，本质是贪心算法，这种方法速度较快，但因与问题本身联系紧密（problem-specific）,导致其通用性较差。另一种方法是元... 问题描述 很多问题的优化可以建模为基于序列的优化，如旅行商问题（TSP）,排产问题，各类资源分配问题等，不同的序列有不同的优度。寻找最优序列的问题是NP难问题（其解空间为N!）。解决方法常用两种方法解决这类问题：一种是启发式算法，基于问题本身的规则得到较好的可行解，本质是贪心算法，这种方法速度较快，但因与问题本身联系紧密（problem-specific）,导致其通用性较差。另一种方法是元...
- 之前在项目中使用过华为云obs的python和C++相关SDK，本文就这两种语言的SDK开发使用中容易遇到的问题进行介绍，避免大家踩坑JPython与C++语言OBS SDK的整体流程：1. 首先去官方网站下载对应SDK，在example文件夹中寻找想要进行的操作，添加入代码中即可。2. 若在镜像中构建，则需要安装对应的程序源3. 在访问obs时，需要账号... 之前在项目中使用过华为云obs的python和C++相关SDK，本文就这两种语言的SDK开发使用中容易遇到的问题进行介绍，避免大家踩坑JPython与C++语言OBS SDK的整体流程：1. 首先去官方网站下载对应SDK，在example文件夹中寻找想要进行的操作，添加入代码中即可。2. 若在镜像中构建，则需要安装对应的程序源3. 在访问obs时，需要账号...
- 从数据中逆向还原 json schema， 7行代码一刀流，有图有真相 从数据中逆向还原 json schema， 7行代码一刀流，有图有真相
- cuda10.0环境下安装pytorch_>=1.3和mmdetection V2.0 cuda10.0环境下安装pytorch_>=1.3和mmdetection V2.0
- 论文分享：自监督综述Self-supervised Visual Feature Learning Deep Neural Networks: A Survey原文链接：https://arxiv.org/abs/1902.061621.1 自监督学习的意义 监督学习需要大量的标注数据来获得更好的表现，然而大量的标注数据的获取成本是极高的，自监督学习可以避免这个花销。1.2 术语定义 ... 论文分享：自监督综述Self-supervised Visual Feature Learning Deep Neural Networks: A Survey原文链接：https://arxiv.org/abs/1902.061621.1 自监督学习的意义 监督学习需要大量的标注数据来获得更好的表现，然而大量的标注数据的获取成本是极高的，自监督学习可以避免这个花销。1.2 术语定义 ...
上滑加载中
推荐直播
-
物联网资深专家带你轻松构建AIoT智能场景应用2024/11/21 周四 16:30-18:00
管老师 华为云IoT DTSE技术布道师
如何轻松构建AIoT智能场景应用？本期直播将聚焦华为云设备接入平台，结合AI、鸿蒙（OpenHarmony）、大数据等技术，实现物联网端云协同创新场景，教您如何打造更有实用性及创新性的AIoT行业标杆应用。
回顾中 -
Ascend C算子编程之旅：基础入门篇2024/11/22 周五 16:00-17:30
莫老师 昇腾CANN专家
介绍Ascend C算子基本概念、异构计算架构CANN和Ascend C基本概述，以及Ascend C快速入门，夯实Ascend C算子编程基础
即将直播 -
深入解析：华为全栈AI解决方案与云智能开放能力2024/11/22 周五 18:20-20:20
Alex 华为云学堂技术讲师
本期直播我们将重点为大家介绍华为全栈全场景AI解决方案以和华为云企业智能AI开放能力。旨在帮助开发者深入理解华为AI解决方案，并能够更加熟练地运用这些技术。通过洞悉华为解决方案，了解人工智能完整生态链条的构造。
去报名
热门标签