收录了 算法结构 频道下的 50 篇内容
本文从产品角度、项目角度、研发与架构角度来阐述和描绘算法工业化生产时代到来的必要性和应对之策。
“UAI-Train平台可以让我们方便地在短时内使用大量的GPU资源,用较低的成本训练海量的数据集,提高算法模型迭代优化的效率。
目标检测(Object Detection)是计算机视觉领域的基本任务之一,学术界已有将近二十年的研究历史。
有哪些常见的数据结构?基本操作是什么?常见的排序算法是如何实现的?各有什么优缺点?本文简要分享算法基础、常见的数据结构以及排序算法,给同学们带来一堂数据结构和算法的基础课。
市面上算法书比比皆是,究竟哪些书值得看,哪些书适合什么基础的人来看呢?
你是否曾跟我一样,因为看不懂数据结构和算法,而一度怀疑是自己太笨?
工程上的问题,远比课本上的要复杂。今天总结的六条经验希望能让你把数据结构和算法用在刀刃上,恰当地解决实际问题。
本文介绍美团在基于神经网络StarNet的行人轨迹交互预测算法的研究。
目前新一代的高性能计算方案已经在广告多个业务线进行了落地实践,推荐首页 CTR 模型、推荐通用信息 CTR 模型、推荐商详 CTR 的规模扩展至千亿,助力推荐、搜索等核心业务取得显著的效果收益。
人脸识别问题可以描述为,给定某一场景下的静态图象或者动态序列,根据预先存储的人脸数据库识别或者认证场景中一个或者多个人的身份。
本文将从数据结构和元组或结构概念开始,它们是最原始、最基本的概念。
初级程序员才比招式,高级程序员只看内功
本文介绍高德地图文字识别自研算法的主要发展历程和框架,以及未来的发展和挑战。
11 月 27 日,浪潮信息正式发布千亿级基础大模型“源 2.0”。该系列模型全面开源可商用,共包括参数值 102B(1026亿)、51B(518亿)、2B(21亿)三个版本。
本文是 GitHub2018 年 Octoverse 报告——GitHub 活动的趋势和洞见,开源社区和 GitHub 数据科学团队等系列文章(https://octoverse.github.com/) 的一部分。 仅在 2018 年,GitHub 新用户数量就超过了前六年的总和,托管着超过 1 亿个存储库。所有这些增长都要归功于开源社区。2018 年,拥有不同开发经验水平的你们在这里共同构建、合作从兴趣爱好到专业工具的项目,涉猎范围广泛。随着这一年即将结束,我们希望 2018 年的 Octoverse 报告能够重点展示一些今年最活跃的新开源项目。
未来AI的模型发展方向会从单机训练向大规模分布式训练发展,通过大规模预训练模型+小样本的蒸馏的模型开发流程将会成为主流。
“源2.0-M32”创新性地提出和采用了“基于注意力机制的门控网络”技术,构建包含32个专家(Expert)的混合专家模型(MoE),大幅提升模型算力效率。
用于存储引擎的主流数据结构有哪些呢?
DHT即分布式哈希表(Distributed Hash Table)能够把一整张哈希表分成若干个不同的部分,分别存储在不同的机器上,这样就降低了数据全部被损坏的风险。DHT具有良好的扩展性、鲁棒性、结点ID分配的均匀性和自组织能力 。现对主流DHT协议/算法进行一个汇总,以供读者学习、研究。
每一个视频,不论长短,在拍摄时都是有故事线和逻辑结构的,以往的视频分析主要集中于视频分类打标,而对于视频的细粒度结构分析涉及较少。