集成学习的思想就是将多个弱学习器组合成一个强学习器。集成学习的优点在于保证了弱分类器的多样性，使得其得到的结果往往比单个学习器的效果好（可以理解为真理往往掌握在大多数人手中）。

本文通过对 5G 网络边缘计算技术的阐述，详细分析了边缘化计算的接入网络切片。5G 边缘计算和网络切片技术是当前移动网络发展中的重要技术，该技术具有十分显著的优势，故而在 5G 技术的发展中值得被广泛应用。

在制作3D游戏时，常常遇到这样一个问题：一个平面，这个平面在现实中并不是一 个“平”面，例如砖墙的表面带有石质浮雕等等。这种情况下如果只是简单的做一个平面，则让人感觉严重失真，而如果用很密集的三角形去表示这类略有凹凸的表面，则性能上大大下降。

互联网时代，社交媒体分享、自动驾驶、增强显示、卫星通信、高清电视或视频监控等应用场景对图片和视频有很强的需求，压缩算法也因此备受关注，但是不同的应用场景对压缩算法的性能要求也不一样，有的需求是保持高清的画质是第一位，有的需求是体积小是第一位，可以损害一些画质。那么如何用深度学习技术来设计压缩算法呢？这篇文章将简单的来和大家说一说。

贴图压缩是游戏开发中常见的一个问题，不过说到法线图的压缩，其实里面就有一些特殊的问题要处理。前段时间做了一次贴图通道的优化，打算用两个通道表示法线图并且和其他通道合并到一张图里，以减少采样次数。这个过程中陆续挖掘了一些问题，记录一下。

科技发展很快，数据在指数级增长，环境也在指数级改变，因此很多时候教科书会跟不上时代的发展。有时，即便是写教科书的人，也不见得都明白结论背后的“所以然”，因此有些结论就会落后于时代。针对这个问题，第四范式创始人、首席执行官戴文渊在公司内部分享上，向大家介绍了机器学习教材中的七个经典问题。本文根据演讲实录整理，略有删减。

预处理的时候0中心化，最好数据增强一下，找预训练模型，ReLU激活函数，3*3卷积核，xavier初始化，sgd+momentum或者adam比较好用，bn(可以调大学习率，收敛很快)，dropout(有bn可以去掉，最好加上，会训练慢一些)，batch_size大一点，另外，多尺度训练效果拔群,前几层卷积核可以多一些。

由于5G网络仍在世界各地部署，并且全球许多地区仍在使用4G甚至3G网络，因此现在谈论6G似乎有点为时过早。

法国博主Jean-Louis Queguiner撰写了这篇《给我8岁的女儿解释深度学习》，以用深度学习技术搭建识别手写数字的神经网络为例，用清晰的方式，解释了深度学习的原理。

API，1.1.121 已经发布，除了对文档的各种错误修复之外，在设备相干内存支持方面有一个新的 Vulkan 扩展。

随着深度卷积神经网络（CNN）在图像处理领域的快速发展，它已经成为机器视觉领域的一种标准，如图像分割、对象检测、场景标记、跟踪、文本检测等。然而，想要熟练掌握训练神经网络的能力并不是那么容易。比如，我们常常会遇到如下问题。你的数据和硬件有什么限制？你应该是从何种网络开始？你应该建立多少与卷积层相对的密集层？你的激励函数怎样去设置？即使你使用了最流行的激活函数，你也必须要用常规激活函数。

Vulkan是Khronos Group(OpenGL标准的维护组织)开发的一个新API，它提供了对现代显卡的一个更好的抽象，与OpenGL和Direct3D等现有api相比，Vulkan可以更详细的向显卡描述你的应用程序打算做什么，从而可以获得更好的性能和更小的驱动开销。

深度学习的巨大成功，揭示了从人类自身启发，并形成算法的巨大价值；相反，从机器学习中，我们有什么值得学习和启发的东西吗？

在为梯度下降算法选择合适的学习速率 α 时，可以大致按3的倍数再按10的倍数来选取一系列α值，直到我们找到一个值它不能再小了，同时找到另一个值，它不能再大了。其中最大的那个 α 值，或者一个比最大值略小一些的α 值 就是我们期望的最终α 值。

正如大多数人所知道的，GPU的处理速度之快得益于它可以高效地处理矩阵乘法和卷积，但是大家并不一定知道真正的理由。GPU如此快速的真正原因是内存带宽和不必要的并行。

深度缓冲区与帧缓冲区相对应，用于记录上面每个像素的深度值，通过深度缓冲区，我们可以进行深度测试，从而确定像素的遮挡关系，保证渲染正确。

纵观全球声音定位技术，主要可以分 3 种：声道为本 (Channel Based)、面向对象声音 (Object Based) 及场景声音 (Scene Based) 。值得留意的是，各种技术都可以分为录音、播放系统和输出格式三个部分。以下的内容主要基于输出格式，但也会略提各种录音、播放系统的利弊。

在讨论如何调试模型之前，我们先来纠正一个误区。通常理解如何调试模型的时候，我们想到一系列优秀的神经网络模型以及调试技巧。但这里需要指出的是数据才是模型的根本，如果有一批质量优秀的数据，或者说你能将数据质量处理的很好的时候，往往比挑选或者设计模型的收益来的更大。那在这之后才是模型的设计和挑选以及训练技巧上的事情。

裁剪是个很大的概念，裁剪包括了视锥体裁剪（应用程序阶段）、视口裁剪（图元装配——几何阶段的最后一步）、背面剔除（光栅化阶段）、遮挡剔除（光栅化阶段）。

VR产业应用领域不断扩大，产业链条不断完善，将成为B端客户不可缺少的一部分，据中商产业研究院发布的报告显示：2019年中国虚拟现实市场规模将达225.6亿元。中国报告网最新发布的《2019年中国虚拟现实(VR)行业分析报告-行业调查与未来趋势研究》中也明确指出了VR虚拟现实的发展目标、核心技术和推进VR重点行业应用。