点击量：45
本文转载自微信公众号：西安电子科技大学
11月30日晚22时，西安电子科技大学校长杨宗凯受邀走进CCTV2央视财经频道《中国经济大讲堂》“奋斗在科技前沿”栏目，以“信息技术如何‘翻转’课堂”为题，为观众深度解读如何利用信息技术，促进教育融合创新发展。
央视视频回放地址：
http://tv.cctv.com/2019/12/02/VIDExp5vgY9AhtdtrK75cSln191202.shtml
转载：为什么大部分人做不了架构师？这2点是关键
点击量：106
本文转载自“机器之心·阿里技术”
原文： https://www.jiqizhixin.com/articles/2019-11-21-9
阿里妹导读：选择有时候比努力重要，真正厉害的人不仅仅是埋头苦干，而是会利用好的思维方式、好的方法，看穿事物的本质，顺势而为，找到事情的最优解，并懂得举一反三。架构师是程序员的目标之一，但大多数程序员无法成为架构师。真正厉害的架构师具备什么样的思维方式，到底强在哪？今天，韩帅为你揭秘。
继续阅读“转载：为什么大部分人做不了架构师？这2点是关键”在Linux系统上安装Docker
XDMSC技术沙龙：密码学简介
点击量：45
写在前面：2019年10月26日，中国发布了密码法，这对于促进我国密码的发展，保障网络信息安全，维护国家安全和社会公共利益，保护公民、法人和其他组织的合法权益，将起到重要作用。西安电子科技大学的密码学学科一直位于全国第一，包括网络信息安全在内的相关技术氛围浓厚，2016年西电胡予濮教授攻破了GGH密码方案，获得了广泛的关注。AI柠檬曾于2017年在西电微软学生俱乐部的技术沙龙活动中，为学弟学妹们介绍密码学的基础知识，相关加密算法等。博主也希望能有更多的同学对密码学感兴趣，为我国的相关事业的发展做出自己的一份贡献。
(多图预警)
继续阅读“XDMSC技术沙龙：密码学简介”xdlinux FSD2019分享会：ASRT和我的开源经历
点击量：130
西安电子科技大学开源社区2019年一年一度的软件自由日再次来临，AI柠檬博主应邀参加，并做了主题为《ASRT和我的开源经历》的演讲，以下是PPT演讲的内容。
继续阅读“xdlinux FSD2019分享会：ASRT和我的开源经历”tensorflow 2.0实现mnist手写数字识别
点击量：183
最近这一段时间，TensorFlow 2.0发布，这是你从没有体验过的全新的版本，为了能够尽快接触和体验到2.0新版本的特性，AI柠檬博主从mnist手写数字识别Demo入手，开始学习TensorFlow 2.0版。由于tf2原生内置keras包，无需另外安装，本样例将以tf.keras代码实现，并且在这一过程中发现，原本的keras代码仅需极少数改动即可迁移到TensorFlow 2.0，这对于之前一直使用Keras的用户来说，可谓非常友好了。
智能医疗再突破：脊柱侧弯智能筛查新系统可达专家水平
点击量：172
脊柱侧弯是青少年中最常见的脊柱疾病，全世界的患病率为0.5–5.2％。由于传统的筛查方法对于阳性的预测成功率较低，并需要一些不必要的转诊和放射成像。上海交通大学附属新华医院的杨军林教授发现裸露背部外观照能够在一定程度上反应脊柱侧弯程度，因此联合中山大学中山眼科中心的林浩添教授、西安电子科技大学的刘西洋教授着手于脊柱侧弯深度学习筛查技术的研发，项目于2018年获得国家重点研发计划项目（项目编号：2018YFC0116500）。其全球首创脊柱侧弯大规模人工智能筛查系统，准确率可达专家水平，这一成果于2019年10月25日在《自然》子刊《通讯·生物学》（Communications Biology）发表。
linux卸载旧版CUDA并安装新版CUDA
点击量：162
使用GPU和CUDA、cuDNN进行深度学习计算的浪潮已经持续了很多年，在此期间，显卡驱动和CUDA版本，以及cudnn深度学习工具包的版本已经更新了很多次。随着新的TensorFlow 2.0版和Pytorch1.3版的发布，我们用于深度学习的机器也需要将运行环境更新到最新版本了，尤其是还在使用CUDA 8.0的话。本文将介绍如何卸载旧版CUDA(如8.0版)并安装新版CUDA(10.0版)。
机器学习：梯度下降算法是如何工作的
点击量：260
在进行机器学习的时候，我们常常要使用到各种各样的优化算法，以此使得模型能够尽可能收敛到最优的解，而梯度下降(Gradient Descent)算法就是这样的一种无约束的一阶优化算法，并且，根据算法的确定性和随机性，可分为批量梯度下降法和随机梯度下降法。
ASRT语音识别程序依赖环境说明
点击量：243
ASRT语音识别项目是AI柠檬博主于2017年初开始着手实现的一个开源项目。由于本项目从最初第一个可用版发布到现在已经有较长时间了，在软件的依赖包方面，已经与两年前有了很大的不同，本文将介绍ASRT项目在程序运行的依赖环境上的一些问题，供参考，如果后续有变化，会及时更新。几乎所有基于TensorFlow 1.x版本和Keras的程序都可以参考本文的配置。