XDMSC技术沙龙:密码学简介

点击量:13

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”

tensorflow 2.0实现mnist手写数字识别

点击量:87

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。

继续阅读“tensorflow 2.0实现mnist手写数字识别”

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:134

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。

继续阅读“智能医疗再突破:脊柱侧弯智能筛查新系统可达专家水平”

linux卸载旧版CUDA并安装新版CUDA

点击量:121

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)。

继续阅读“linux卸载旧版CUDA并安装新版CUDA”

机器学习:梯度下降算法是如何工作的

点击量:207

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。

继续阅读“机器学习:梯度下降算法是如何工作的”

ASRT语音识别程序依赖环境说明

点击量:186

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。

继续阅读“ASRT语音识别程序依赖环境说明”

机器学习:感知机模型

点击量:152

感知机(perceptron)是线性二分类模型,输入是实例的特征向量,输出是用“+1”和“-1”表示的实例类别。AI柠檬曾在两年半前的文章中,详细介绍过机器学习中的逻辑斯蒂回归模型,它是感知机模型的一种变种。作为判别模型,感知机将实例用一个超平面划分为正负两类,是神经网络和支持向量机的基础。

继续阅读“机器学习:感知机模型”

使用N-DenseNet实现城市声音事件分类模型

点击量:300

现代社会中,智慧城市的构建是一个当前的趋势,其中包括利用传感器网络收集目标城市的城市声音时间的信息采集和分类研究用相关音频数据并进行分析,这对于是提高智能感知水平的重要一步。来自江南大学的一研究团队,通过采用N-DenseNet网络模型,实现了对城市声音事件的分类,其一阶和二阶模型的分类准确率达到了83.63%和81.03%,并且具有良好的泛化能力。

继续阅读“使用N-DenseNet实现城市声音事件分类模型”

Docker介绍

点击量:358

在服务器端上线并提供一项软件服务的时候,最常见的方式是手工部署安装运行相关的服务软件(比如网站)。如果仅仅是部署一次就长期使用下去还好,但是如果需要在多台机器上批量部署,或者每过一段时间就有服务迁移的可能的情况下,如果配置非常的繁琐或耗时,数据配置迁移和升级维护过程较复杂,批安装量较大,以及不同的机器上的基础运行环境存在差异,那么使用Docker来统一进行安装和维护则是比较明智的选择。使用Docker安装,只需要在安装好docker软件后,使用一个相应的配置文件,即可快速批量完成服务的安装。

继续阅读“Docker介绍”