深度学习与NLP
文章平均质量分 61
普通网友
这个作者很懒,什么都没留下…
展开
-
陶哲轩点破「天机」:不懂数学别想靠ChatGPT飞升!
例如,我想绘制这样一幅图:横轴上标有『今天』、『下周』和『明年』,分别代表x=1、x=2和x=3的位置,纵轴上标有『初级』、『中级』和『专家』,分别代表y=1、y=4和y=9的位置(因此纵向标签的间距并不相等),要绘制的图形是抛物线y=x^2的图形。随后ChatGPT照例给出了详细解释:为了在「0,1」的区间上创建($x$和$x^2$,$x^2$和$x^3$,$x^3$和$x^4$)的函数,需要定义x的范围、定义函数、创建图形和坐标轴、初始化动画函数等。这样就可以确保,图例反映的是当前显示函数的功能。原创 2024-07-09 11:37:42 · 684 阅读 · 0 评论 -
四个00后的疯狂开源计划:整个互联网转成大模型语料,1亿token嵌入成本只需1美元
来源 | 量子位 | 公众号 QbitAIArxiv上所有论文转成Token,加起来不过14.1GB而已。这是最新爆火开源计划完成的壮举。事实上,这还只是第一步。他们最终是想要将整个互联网变成,换言之全都转化成ChatGPT等大模型理解这个世界的方式。一旦这样的数据集诞生,那岂不是为开发出GPT-4这样的大模型又新增一大利器,上知天文下知地理指日可待了?!消息一出,瞬间引发巨大关注。网友们赞叹,。原创 2023-06-09 17:07:18 · 138 阅读 · 0 评论 -
只限今日免费,Midjourney 5.1震撼更新!逼真到给跪,中国情侣细节惊艳,3D视频大片马上来
无论是粗糙的3D动画,还是用手机拍出来的摇摇晃晃的视频,Gen-1都可以升级出一个不可思议的效果。这个raw模式的作用是可以维持V5的逻辑,因为V5.1在生图时,更有创造力,并会更多依据其观点判断图像内容和形式。有了Runway Gen-2,你就能用任意的图像、视频或文本,生成一段酷炫大片,想要啥风格,就有啥风格。此外,V5.1支持更简单的prompt,能产出更加具有创意的图,还最新上线了style raw模式。虽说是在V5大版本上更新,但升级后的V5.1创造力解禁,出图更加丝滑,简直是对视觉的爆点冲击。原创 2023-05-12 19:18:33 · 1145 阅读 · 0 评论 -
AI教父Geoffrey Hinton:AGI革命堪比车轮的发明
这一开创性的能力把人工智能提到了一个新的高度。请留意这则来自人工智能教父的爆炸性消息:关于谷歌人工智能的发展和人工智能的未来!随着人工智能的不断发展,它将改变我们的世界,理解不同的世界观,彻底改变就业市场,重新定义编程的重要性。他建议,我们要么用更少的人完成当前的任务,要么保持现有的劳动力水平不变并完成更多的工作。Hinton 观察到,目前的人工智能系统都持有相同的世界观,这意味着它们无法理解对同一物理现实的不同解释。他设想,未来的机器将足够先进,能够从不同的角度进行理解,为人工智能的应用带来新的机遇。原创 2023-05-12 19:15:46 · 728 阅读 · 0 评论 -
开发者笑疯了! LLaMa惊天泄露引爆ChatGPT平替狂潮,开源LLM领域变天
研究人员希望这次实验的结果可以进一步推动围绕大型闭源模型相对于小型公共模型的相对性能的讨论,特别是结果表明,对于那些能在本地运行的小模型,如果认真地收集训练数据,也可以取得大模型的性能。事实上,在此之前斯坦福大学发布的Alpaca模型,根据OpenAI的GPT模型对LLaMA的数据进行微调的实验结果已经表明,正确的数据可以显著改善规模更小的开源模型。对于斯坦福的团队来说,想要在预算内训练一个高质量的指令遵循模型,就必须面临2个重要的挑战:要有一个强大的预训练语言模型,以及一个高质量的指令遵循数据。原创 2023-04-14 19:33:04 · 2362 阅读 · 0 评论 -
当ChatGPT续写《红楼梦》,能替代原著吗?
最后,我会在《红楼梦》后四十回中让宝玉和林黛玉重归于好,并通过他们的故事来告诉读者,真爱永恒,坚持不懈,终有一天会得到回报。同时,我也会让他们在贾家的传承中发挥更大的作用,并通过他们的成长和改变,向读者传递人生哲理和经验教训。在这一段故事中,我还会描写贾母和王夫人的内心世界,以及她们对家族命运的担忧和思考,我还会展现她们对宝玉和林黛玉的关心和帮助,并对她们的人生哲学和儒雅修养进行深入探讨。他步履艰难,终于,柴门出现在他的视线中,一盏灯光温暖地映照着他孤独的身影。譬如,在第一次的对话中,原创 2023-04-14 19:31:43 · 34478 阅读 · 17 评论 -
关于GPT-4,14个容易被忽略的惊人细节!
为了模拟GPT-4像一个可以在现实世界中行动的代理一样的行为,ARC将GPT-4与一个简单的读取-执行-打印循环结合起来,允许模型执行代码,进行链式推理,并委托给自己的副本。我们都知道,ChatGPT的数据库的最后更新时间是在2021年的12月31日,这意味着2022年以后发生的事情不会被知晓,而这一缺陷在之后的GPT-3.5也得到了修复。ARC随后推进了在云计算服务上运行这个程序的一个版本,用少量的钱和一个带有语言模型API的账户,是否能够赚更多的钱,建立自己的副本,并增加自己的稳健性。原创 2023-04-07 19:30:45 · 1270 阅读 · 0 评论 -
GPT-4零失误通关大厂模拟面试,offer拿到手软?与AGI首次接触
具体来说,GPT-4在LeetCode上以满分的成绩通过了亚马逊公司的模拟面试,超过了所有参与测试的人类,可以被聘用为软件工程师。该模型在0-9之间的数字均匀选取时,准确率只有58%,但随着数字范围的增加,准确率却呈现下降趋势,范围在10-19和20-39时准确率降至16%和12%,在99-199时降至0。Sébastien Bubeck,这篇论文的作者,近几周前的个人主页上充满了理论机器学习和理论计算机科学的内容,然而,现在所有内容都被删除了,取而代之的是一篇简短的宣言。这时他看到一只熊,并将其射杀。原创 2023-03-31 19:42:06 · 1731 阅读 · 0 评论 -
独家专访:OpenAI 的 Sam Altman 谈 ChatGPT 以及通用人工智能如何“打破资本主义”
作为 OpenAI 的首席执行官,Sam Altman 领导的这家初创公司是正在快速增长的生成式 AI 行业中最热门且最受关注的一家。在 1 月中旬参观了 OpenAI 的旧金山办事处后,福布斯采访了这位最近不太愿意在媒体上抛头露面的投资者和企业家,讨论了 ChatGPT、通用人工智能、以及该公司的人工智能产品是否会对谷歌搜索构成威胁等话题。Sam Altman:这绝对是一个激动人心的时刻,但我希望现在我们还处于非常早期的阶段。实际上,这项技术的进化及其对社会的积极影响会走出一条持续指数增长的路径。其实我们原创 2023-03-31 19:37:33 · 880 阅读 · 0 评论 -
三大维度拆解ChatGPT/GPT-4!让巨头们兴奋的技术真相【附下载】
发源于OpenAI,成名于生成式语言,ChatGPT火得太快了。2022年11月,OpenAI推出ChatGPT聊天机器人,以对话的形式与用户进行连续性的交互,上线2个月后用户数超过1亿,用户数量增长迅猛。ChatGPT 属于 AIGC 的具体应用,相比过去的 AI 产品,在模型类型、应用领域、商业化等层面也呈现出新的特点。本期的智能内参,我们推荐东莞证券和华泰证券的报告《大厂加大类 ChatGPT 布局力度,商业应用有望加速落地》《ChatGPT:深度拆解》,解析最近大火的ChatGPT的技术原理和国内商原创 2023-03-24 20:26:11 · 3039 阅读 · 0 评论 -
自然语言处理481个公开数据集和基准任务整理分享
自然语言处理( Natural Language Processing, NLP)以语言为对象,利用计算机技术来分析、理解和处理自然语言的一门学科,即把计算机作为语言研究的强大工具,在计算机的支持下对语言信息进行定量化的研究,并提供可供人与计算机之间能共同使用的语言描写。包括自然语言理解( NaturalLanguage Understanding, NLU)和自然语言生成( Natural LanguageGeneration, NLG)两部分。NLP领域非常多,同时又非常多公开数据集和基准任务。原创 2023-02-18 12:17:21 · 170 阅读 · 0 评论 -
840个最优的机器学习python开源项目整理分享
本资源包含了840个很棒的机器学习开源项目,总共270万颗星分为32个类别。所有项目均按项目质量得分排名,该得分是根据从GitHub和不同程序包管理器自动收集的各种指标计算得出的。原创 2023-01-15 11:07:01 · 284 阅读 · 0 评论 -
历史最全最新中文自然语言处理预训练模型汇总分享-内含免费下载地
在自然语言处理领域中,预训练语言模型(Pretrained Language Models)已成为非常重要的基础技术,本仓库主要收集目前网上公开的一些高质量中文预训练模型,并将持续更新。包含自然语言理解系列模型,如BERT、RoBERTa、ALBERT、NEZHA、XLNET、MacBERT、ELECTRA、ZEN、ERNIE。自然语言生产系列模型,如GPT、NEZHA-GEN、UniLM。原创 2023-01-15 11:00:59 · 704 阅读 · 0 评论 -
历史最全模型压缩相关方法、论文、代码等资源整理分享
模型压缩就是在尽可能不改变模型效果的情况下,减少模型的体积,使得模型在使用的时候有更快的速度。模型压缩更多地是应用到复杂的深度模型上,并且越来越受到重视,因为当模型的准确度达到一定程度后,如何用更少的硬件成本去做模型服务变的有意义。资源整理自网络,源地址:https://github.com/htqin/awesome-model-quantization。原创 2022-12-24 19:32:07 · 178 阅读 · 0 评论 -
BiliBili 100+国际名校免费公开课整理分享
MSRI 导出代数几何、双有理几何与模空间 (MSRI W-862, Introductory Workshop: Derived Algebraic Geometry and Birational Geometry and Moduli Spaces)麻省理工 算法设计与分析 (6.046J, Design and Analysis of Algorithms, 2015, Erik Demaine)原创 2022-12-20 00:14:14 · 1132 阅读 · 0 评论 -
文本生成公开数据集/开源工具/经典论文详细列表分享
这是一份由清华大学自然语言处理小组整理的文本生成相关的公开数据集/开源工具/经典论文列表,并且不断增加论文和持续修改名单,分享给大家。源链接:https://github.com/THUNLP-MT/TG-Reading-List。基于Seq2Seq的方法。基于变分自动编码器的方法。基于生成对抗网的方法。原创 2022-12-10 16:22:45 · 1032 阅读 · 0 评论 -
历史最全Deepfakes检测相关数据集、工具、论文和代码整理分享
Deepfake技术是一把双刃剑。在娱乐行业中,Deepfake便受到短视频的青睐,比如抖音的换脸特效,比如ZAO的电影片段换脸等等,这项技术是能够直接带来经济效益的。但另一方面,Deepfake技术会带来一些政治上、社会上的危害,比如借助此技术制造虚假国家领导人视频,传播虚假政治rumor;Deepfake = Deep+fake. 广义上来说,Deepfake是使用深度学习来糊弄人类感知的技术。比如,视频换脸技术,或者语音上的换音技术。而在笔者所研究的方向中,Deepfake指代视觉上的换脸技术。原创 2022-12-10 16:21:55 · 1638 阅读 · 0 评论 -
深度学习压缩感知(DCS)历史最全资源汇总分享
它作为一个新的采样理论,它通过开发信号的稀疏特性,在远小于Nyquist 采样率的条件下,用随机采样获取信号的离散样本,然后通过非线性重建算法完美的重建信号。他在信息论、图像处理、地球科学、光学/微波成像、模式识别、无线通信、生物医学工程等领域受到高度关注,并被美国科技评论评为2007年度十大科技进展。源代码、pdf、doi等资源都是可用的。相关工作根据采样矩阵类型(基于框架/基于block)、采样规模(single scale、multi-scale)和深度学习平台进行分类。原创 2022-11-26 15:40:27 · 676 阅读 · 0 评论 -
22年各AI顶会个性化推荐相关必读论文分类整理分享
资源整理自网络,源地址:https://github.com/RUCAIBox/Awesome-RSPapers。原创 2022-11-26 15:37:48 · 350 阅读 · 0 评论 -
2022年深度强化学习最全精选资源整理分享
本资源还包括具有许多视觉示例的通用机器学习(ML)、神经网络(NN)和深度神经网络(DNN),以及具有视频游戏/机器人实战case的强化学习(RL)。一些具有相似目标的替代进化算法也包括在内。资源整理自网络,源地址:https://github.com/wangyuGithub01/Machine_Learning_Resources。原创 2022-11-05 15:20:37 · 667 阅读 · 0 评论 -
自然语言处理深度生成模型相关资源、会议和论文分享
在这三大模型家族中,我们将更多地关注VAE相关的模型,因为它们更有效。当谈到深层生成模型时,通常指三个模型族:变分自动编码器(VAEs)、生成对抗网络(GANs)和归一化流(Normalizing Flows)。对这些结构的推断既复杂又聪明。本资源整理了相关的一些资源、论文和会议。本资源整理了自然语言处理相关深度生成模型资源,会议和相关的一些前沿论文,分享给需要的朋友。在我们旅程开始之前,DGMs的基础是建立在概率图形模型上的。这部分整理结构推理相关的工作,涉及自然语言处理分块,标记和解析三个部分任务。原创 2022-10-29 23:00:50 · 334 阅读 · 0 评论 -
基于图模型及SSL的推荐系统历年经典论文整理分享
此外,由于用户的动态兴趣模式和项目的各种属性的复杂性,构建应用性自我监督信号可以提取更有意义的用户行为模式,并进一步有效地编码用户和项目表示。这个充满活力的研究方向被称为基于自我监督学习的推荐。本资源为读者提供了一个精选的基于图形和自监督学习的推荐资源的精选列表。基于图的推荐是一种很有前途的方法,可以在现实场景中捕获用户的动态偏好和项目的复杂转换. 此外,为了解决标签稀缺的问题,自监督学习(SSL)已经引起了广泛的研究关注,并在视觉、自然语言处理和机器人技术等各个领域取得了显著成功。原创 2022-10-29 22:59:31 · 99 阅读 · 0 评论 -
基于图模型及SSL的推荐系统历年经典论文整理分享
此外,由于用户的动态兴趣模式和项目的各种属性的复杂性,构建应用性自我监督信号可以提取更有意义的用户行为模式,并进一步有效地编码用户和项目表示。这个充满活力的研究方向被称为基于自我监督学习的推荐。本资源为读者提供了一个精选的基于图形和自监督学习的推荐资源的精选列表。基于图的推荐是一种很有前途的方法,可以在现实场景中捕获用户的动态偏好和项目的复杂转换. 此外,为了解决标签稀缺的问题,自监督学习(SSL)已经引起了广泛的研究关注,并在视觉、自然语言处理和机器人技术等各个领域取得了显著成功。原创 2022-10-29 22:58:22 · 105 阅读 · 0 评论 -
基于图模型及SSL的推荐系统历年经典论文整理分享
此外,由于用户的动态兴趣模式和项目的各种属性的复杂性,构建应用性自我监督信号可以提取更有意义的用户行为模式,并进一步有效地编码用户和项目表示。这个充满活力的研究方向被称为基于自我监督学习的推荐。本资源为读者提供了一个精选的基于图形和自监督学习的推荐资源的精选列表。基于图的推荐是一种很有前途的方法,可以在现实场景中捕获用户的动态偏好和项目的复杂转换. 此外,为了解决标签稀缺的问题,自监督学习(SSL)已经引起了广泛的研究关注,并在视觉、自然语言处理和机器人技术等各个领域取得了显著成功。原创 2022-10-29 22:57:44 · 130 阅读 · 0 评论 -
基于图模型及SSL的推荐系统历年经典论文整理分享
此外,由于用户的动态兴趣模式和项目的各种属性的复杂性,构建应用性自我监督信号可以提取更有意义的用户行为模式,并进一步有效地编码用户和项目表示。这个充满活力的研究方向被称为基于自我监督学习的推荐。本资源为读者提供了一个精选的基于图形和自监督学习的推荐资源的精选列表。基于图的推荐是一种很有前途的方法,可以在现实场景中捕获用户的动态偏好和项目的复杂转换. 此外,为了解决标签稀缺的问题,自监督学习(SSL)已经引起了广泛的研究关注,并在视觉、自然语言处理和机器人技术等各个领域取得了显著成功。原创 2022-10-29 22:51:53 · 449 阅读 · 0 评论 -
历史最全自然语言处理各领域常见 数据增强 方法整理分享
数据增强让有限的数据产生更多的数据,增加训练样本的数量以及多样性(噪声数据),提升模型鲁棒性,一般用于训练集。神经网络需要大量的参数,许许多多的神经网路的参数都是数以百万计,而使得这些参数可以正确工作则需要大量的数据进行训练,但在很多实际的项目中,我们难以找到充足的数据来完成任务。随机改变训练样本可以降低模型对某些属性的依赖,从而提高模型的泛化能力。资源整理自网络,下载及获取见源地址:https://github.com/styfeng/DataAug4NLP。原创 2022-10-29 22:47:53 · 368 阅读 · 0 评论 -
自然语言处理必须知道十几个经典模型及论文整理分享
本文对基于深度学习模型自然语言处理最近几年的几十个经典的模型及相关的论文进行整理,分享给大家。 资源整理自网络,源地址:https://github.com/gyunggyung/NLP-Papers论文列表 [2013/01] Efficient Estimation of Word Representations in Vector Space [2014/12] Dependency-Based Word Embeddings [2015/07] Neural Machine原创 2022-10-22 09:51:07 · 338 阅读 · 0 评论 -
绝对干货推荐-人工智能本科学位的完整4年课程规划
编译器是读者编写的每个程序的核心,对于人工智能从业者来说,了解它们的工作原理也很重要,这样读者才能成为有能力的工程师。这样的课程将使读者充分了解如何构建复杂的软件系统,重点关注已记录和测试的模块化,结构良好的组件。该课程的灵感主要来自于自己所修的课程,基于个人经验,认为目前想要从事人工智能相关工作,需具备的必不可少的技能。涵盖数据库管理系统背后的原理,重点是诸如关系数据模型,索引,架构和事务之类的主题。涵盖了对不同人工智能领域的广泛调查,例如搜索,游戏,逻辑,图模型,机器学习以及这些算法的应用。原创 2022-10-22 09:47:54 · 316 阅读 · 0 评论 -
绝对干货推荐-人工智能本科学位的完整4年课程规划
编译器是读者编写的每个程序的核心,对于人工智能从业者来说,了解它们的工作原理也很重要,这样读者才能成为有能力的工程师。这样的课程将使读者充分了解如何构建复杂的软件系统,重点关注已记录和测试的模块化,结构良好的组件。该课程的灵感主要来自于自己所修的课程,基于个人经验,认为目前想要从事人工智能相关工作,需具备的必不可少的技能。涵盖数据库管理系统背后的原理,重点是诸如关系数据模型,索引,架构和事务之类的主题。涵盖了对不同人工智能领域的广泛调查,例如搜索,游戏,逻辑,图模型,机器学习以及这些算法的应用。原创 2022-10-22 09:47:24 · 172 阅读 · 0 评论 -
绝对干货推荐-人工智能本科学位的完整4年课程规划
编译器是读者编写的每个程序的核心,对于人工智能从业者来说,了解它们的工作原理也很重要,这样读者才能成为有能力的工程师。这样的课程将使读者充分了解如何构建复杂的软件系统,重点关注已记录和测试的模块化,结构良好的组件。该课程的灵感主要来自于自己所修的课程,基于个人经验,认为目前想要从事人工智能相关工作,需具备的必不可少的技能。涵盖数据库管理系统背后的原理,重点是诸如关系数据模型,索引,架构和事务之类的主题。涵盖了对不同人工智能领域的广泛调查,例如搜索,游戏,逻辑,图模型,机器学习以及这些算法的应用。原创 2022-10-22 09:46:35 · 219 阅读 · 0 评论 -
自动驾驶最全基础知识、课程、论文、数据集、开源软件等资源整理分享
自动驾驶汽车(Autonomous vehicles)又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人,是一种通过电脑系统实现无人驾驶的智能汽车。在20世纪已有数十年的历史,21世纪初呈现出接近实用化的趋势。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让电脑可以在没有任何人类主动的操作下,自动安全地操作机动车辆。本文整理了自动驾驶相关的各种资源,包含自动驾驶基础知识点、免费课程、经典论文、研究实验室、公开数据集、开源软件、公司等资源,分享给需要的朋友,需要自取。原创 2022-10-14 22:17:01 · 1384 阅读 · 0 评论 -
联邦机器学习经典论文、数据集、开源框架、视频教程等资源分享
谷歌公司提出了基于个人终端设备的“联邦学习”(Federated Learning)算法框架,而AAAI Fellow 杨强教授与微众银行随后提出了基于“联邦学习”(Federated Learning)的系统性的通用解决方案,可以解决个人(2C)和公司间(2B)联合建模的问题。联邦机器学习(Federated machine learning/Federated Learning),又名联邦学习,联合学习,联盟学习。原创 2022-10-03 19:16:23 · 411 阅读 · 0 评论 -
最近几年-基于深度学习自然语言处理的推荐系统-必读论文整理分享
基于内容的推荐(Content-based Recommendation)是信息过滤技术的延续与发展,它是建立在项目的内容信息上作出推荐的,而不需要依据用户对项目的评价意见,更多地需要用机器学习的方法从关于内容的特征描述的事例中得到用户的兴趣资料。因此,对于推荐内容的理解对于推荐系统来说非常重要的。本资源整理了基于自然语言处理内容理解的推荐系统,整理了最近几年NLP在推荐系统中相关的应用,涉及基于知识图谱的推荐、基于文本的推荐及广告、基于对话系统的推荐、基于上下文推荐和可解释下推荐。原创 2022-10-03 19:12:17 · 195 阅读 · 0 评论 -
2022年迁移学习相关最新论文、会议、视频、竞赛整理分享
资源整理自网络,源地址:https://github.com/yuntaodu/Transfer-learning-materials/blob/master/readme.md。迁移学习(Transfer learning) 顾名思义就是把已训练好的模型(预训练模型)参数迁移到新的模型来帮助新模型训练。针对每一部分,列举了3-4篇经典论文,建议详读这些经典论文,泛读这些经典论文的后续论文,并对其中的部分算法进行实现。原创 2022-09-24 20:04:53 · 855 阅读 · 0 评论 -
2022年迁移学习相关最新论文、会议、视频、竞赛整理分享
资源整理自网络,源地址:https://github.com/yuntaodu/Transfer-learning-materials/blob/master/readme.md。迁移学习(Transfer learning) 顾名思义就是把已训练好的模型(预训练模型)参数迁移到新的模型来帮助新模型训练。针对每一部分,列举了3-4篇经典论文,建议详读这些经典论文,泛读这些经典论文的后续论文,并对其中的部分算法进行实现。原创 2022-09-24 20:03:46 · 200 阅读 · 0 评论 -
历史最全机器学习/深度学习/人工智能专业术语表中英对照表
本资源收录了机器学习课程用到的相关术语,涉及机器学习基础、机器学习理论、Applied Math、SVM、Ensemble、DNN、Regularization、Matrix Factorization、Optimization、CNN、 Auto Encoder、RNN、Representation、Network Embedding、GAN、Adversarial Learning、Online Learning、Reinforcement Learning、AutoML、Graphic Model、T原创 2022-09-18 10:54:39 · 138 阅读 · 0 评论 -
中文文本纠错相关经典论文、数据集、系统等资源分享
中文文本纠错又分为中文拼写纠错(Chinese Spelling Check, CSC)和语法纠错(Grammatical Error Correction, GEC)。中文拼写纠错任务对中文文本中的拼写纠错(别字、别词)进行检测和纠正。语法纠错任务纠正文本中不同类型的错误,包括拼写、标点、语法等类型错误。资源整理自网络,源地址:https://github.com/destwang/CTCResources/blob/main/README_ZH.md#%E5%AE%9A%E4%B9%89。原创 2022-09-18 10:52:46 · 415 阅读 · 0 评论 -
人工智能芯片设计相关架构/设计相关论文整理分享
技术手段方面AI市场的第一颗芯片包括现成的CPU,GPU,FPGA和DSP的各种组合。虽然新设计正在由诸如英特尔、谷歌、英伟达、高通,以及IBM等公司开发,但还不清楚哪家的方法会胜出。AI芯片该使用什么方法原理去实现,仍然众说纷纭,这是新技术的特点,探索阶段百花齐放,这也与深度学习等算法模型的研发并未成熟有关,即AI的基础理论方面仍然存在很大空白。这是指导芯片如何设计的基本前提。AI芯片也被称为AI加速器或计算卡,即专门用于处理人工智能应用中的大量计算任务的模块(其他非计算任务仍由CPU负责)。原创 2022-09-18 10:50:05 · 214 阅读 · 0 评论 -
leetcode-剑指offer-程序员金典等高频面试题解析(附中文详细题解)
本项目包含 LeetCode、《剑指 Offer(第 2 版)》、《剑指 Offer(专项突击版)》、《程序员面试金典(第 6 版)》等题目的相关题解。所有题解均由多种编程语言实现,包括但不限于:Java、Python、C++、JavaScript、C#、Go,日常更新。资源整理自网络,源地址:https://github.com/doocs/leetcode。原创 2022-09-11 20:37:00 · 513 阅读 · 0 评论 -
最新产品/项目经理学习和成长的精选工具、论文、书籍等资源列表
根据定义,产品经理是推动产品愿景并深入了解客户需求的个人。PM 通常被认为处于业务、技术和设计领域的交汇处—他们是问题领域的专家,能够快速学习和迭代,为消费者提供有价值的体验。资源整理自网络,下载及获取见源地址:https://github.com/dend/awesome-product-management。本资源主要整理了供产品/项目经理学习和成长的精选资源列表,涉及相关的工具、论文、书籍等资源。原创 2022-09-11 20:34:50 · 133 阅读 · 0 评论