博客
应用程序编程接口(API)是一个现成的代码，可以简化程序员的生活。它有助于数字化单调的任务并自动化一系列复杂功能，从而降低生产成本。在AI/ML编程方面，处理将商业API集成到现有平台中。它可以与当前的代码片段进行交互，当然还可以与用户群进行交互。本文列出了20个适合AI和ML编程的API。选择是完全基于平台的效率，易用性和功能，而不是它的受欢迎程度。不包括像谷歌，IBM或微软平台等大玩家。
安全专家与网络罪犯间的战争已成猫鼠游戏，肩负信息保护责任的安全专家与意图破坏数据完整性的网络罪犯势成水火，技术比拼与战术对抗，道高一尺，魔鬼一丈。数字连接性的增加和商业领域整个价值链中几乎所有过程的自动化，催生出了敏捷性这种东西，也发展出了相当高端的威胁，极大地增加了网络安全风险。
人工智能在各产业中的超凡表现奠定了它对未来世界不可或缺的地位，比如制造业、医疗保健、建筑业、在线零售业等几乎各个行业都在利用人工智能技术融入物联网。不断演化的机器学习技术使每个企业都有望成为数据驱动的企业，都能利用云平台的机器学习技术使用人工智能应用程序。未来的企业将不必安装和维护机器学习系统，花很低的开销就能分析海量又复杂的数据，最终做出详细精准的分析和预测。
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。
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。
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。
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。
