本文目录一览

1，人工智能深度学习算法哪家公司做的好

可以试试浙江力天视讯公司的， 还可以进行人员 性别、年龄、表情等属性识别
可以，但是工业的机械臂已经有更适用的办法了，比如pid控制器，如果一定要将深度学习应用于机械臂的话，可以考虑pid控制器的参数调优交给深度学习来完成

人工智能深度学习算法哪家公司做的好

2，人工智能读书笔记1到底什么是人工智能

人工智能就在我们身边，但并非所有人都能留意到它的存在。许多人只是将它视作寻常科技的一种——这牵涉到一个如何定义人工智能的问题。 在有些人眼里，只有长相和人一模一样，智慧水平不输于18岁男女青年的机器才叫人工智能；可在另一些人看来，计算机能做许多人类做不到的事，比如一秒钟完成数百亿次运算，人类再聪明也无法在计算速度上与机器相比，为什么就不能将远超人类的计算机称为人工智能呢？ 这两种看法几乎是两个极端。谁的看法更正确一些呢？ 到底什么是人工智能？为什么我们说之前谈到的智能搜索引擎、智能助理、机器翻译、机器写作、机器视觉、自动驾驶、机器人等技术属于人工智能，而诸如手机操作系统、浏览器、媒体播放器等通常不被归入人工智能的范畴？人工智能究竟有没有一个容易把握和界定的科学定义？ 人工智能是有关“智能主体（Intelligent agent）的研究与设计”的学问，而“智能主体是指一个可以观察周遭环境并做出行动以达致目标的系统”。 基本上，这个定义将前面几个实用主义的定义都涵盖了进去，既强调人工智能可以根据环境感知做出主动反应，又强调人工智能所做出的反应必须达致目标，同时，不再强调人工智能对人类思维方式或人类总结的思维法则（逻辑学规律）的模仿。 以上，我们列举了五种常见的人工智能的定义。其中，第二种定义（与人类思考方式相似）特别不可取。人们对大脑工作机理的认识尚浅，而计算机走的是几乎完全不同的技术道路。正如深度学习“三巨头”之一的扬·勒丘恩（Yann Le Cun）所说，对深度神经网络，“我最不喜欢的描述是它像大脑一样工作，我不喜欢人们这样说的原因是，虽然深度学习从生命的生物机理中获得灵感，但它与大脑的实际工作原理差别非常非常巨大。将它与大脑进行类比给它赋予了一些神奇的光环，这种描述是危险的。这将导致天花乱坠的宣传，大家在要求一些不切实际的事情。人工智能之前经历了几次寒冬就是因为人们要求了一些人工智能无法给予的东西”27。国内著名机器学习专家、南京大学教授周志华则说：“现在有很多媒体，常说深度学习是模拟人脑，其实这个说法不太对。我们可以说从最早的神经网络受到一点点启发，但完全不能说是模拟人脑之类的。”

人工智能读书笔记1到底什么是人工智能

3，最轻量级的深度学习框架是哪个

大部分深度学习框架都包含以下五个核心组件：1. 张量（Tensor）2. 基于张量的各种操作3. 计算图（Computation Graph）4. 自动微分（Automatic Differentiation）工具5. BLAS、cuBLAS、cuDNN等拓展包

最轻量级的深度学习框架是哪个

4，LeNet神经网络

LeNet神经网络由深度学习三巨头之一的Yan LeCun提出，他同时也是卷积神经网络 (CNN，Convolutional Neural Networks)之父。LeNet主要用来进行手写字符的识别与分类，并在美国的银行中投入了使用。LeNet的实现确立了CNN的结构，现在神经网络中的许多内容在LeNet的网络结构中都能看到，例如卷积层，Pooling层，ReLU层。虽然LeNet早在20世纪90年代就已经提出了，但由于当时缺乏大规模的训练数据，计算机硬件的性能也较低，因此LeNet神经网络在处理复杂问题时效果并不理想。虽然LeNet网络结构比较简单，但是刚好适合神经网络的入门学习。 LeNet的神经网络结构图如下： LeNet网络的执行流程图如下： 接下来我们来具体的一层层的分析LeNet的网络结构。首先要了解图像（输入数据）的表示。在LeNet网络中，输入图像是手写字符，图像的表示形式为二维数据矩阵，如下图所示： LeNet网络除去输入输出层总共有六层网络。第一层是卷积层（C1层），卷积核的大小为 5\*5 ，卷积核数量为 6 个，输入图像的大小为 32*32 ，因此输入数据在进行第一层卷积之后，输出结果为大小为 28*28 ，数量为 6 个的feature map。卷积操作如下面两幅图所示： 卷积操作的过程可描述为：卷积核在图像上滑动，滑动步长为1（即每次移动一格，水平方向从左到右，到最右边之后再从最左边开始，向下移动一格，重复从左到右滑动），当卷积核与图像的一个局部块重合时进行卷积运行，卷积计算方式为图像块对应位置的数与卷积核对应位置的数相乘，然后将所有相乘结果相加即为feature map的值， 相乘累加之后的结果位于卷积核中心点的位置 ，因此如果是 3\*3 的卷积核，feature map比原图像在水平和垂直方向上分别减少两行（上下各一行）和两列（左右各一列），因此上面图像原图为 5*5 ，卷积核为 3\*3 ，卷积结果大小为 3*3 ，即 (5-2)*(5-2) ，如果卷积核为 5*5 ，则卷积结果大小为 (5-4)*(5-4) 。上图中的卷积核为： 由于神经网络层与层的结构是通过连接来实现的，因此输入层与第一个卷积层的连接数量应为 (32-2-2)\*(32-2-2)\*(5\*5+1)\*6= 28\*28\*156 =122304 。 卷积的作用主要是：通过卷积运算，可以使原信号特征增强，并且降低噪音。在图像上卷积之后主要是减少图像噪声，提取图像的特征。例如sobel算子就是一种卷积运算，主要是提取图像的边缘特征。卷积网络能很好地适应图像的平移不变性：例如稍稍移动一幅猫的图像，它仍然是一幅猫的图像。卷积操作保留了图像块之间的空间信息，进行卷积操作的图像块之间的相对位置关系没有改变。图像在不同卷积核上进行卷积之后的效果图如下： 图像在LeNet网络上进行第一层卷积之后，结果为大小为 28*28 ，数量为 6 个的feature map。LeNet网络的第二层为pooling层（S2层），也称为下采样。在图像处理中，下采样之后，图像的大小会变为原来的 1/4 ，即水平方向和垂直方向上图像大小分别减半。Pooling有多种，这里主要介绍两种，max-pooling和average-pooling。max-pooling即为从四个元素中选取一个最大的来表示这四个元素，average-pooling则用四个元素的平均值来表示这四个元素。Pooling示意图如下： 在LeNet在进行第二层Pooling运算后，输出结果为 14*14 的 6 个feature map。其连接数为 (2*2+1) * 14 * 14 *6 = 5880 。Pooling层的主要作用就是减少数据，降低数据纬度的同时保留最重要的信息。在数据减少后，可以减少神经网络的纬度和计算量，可以防止参数太多过拟合。LeNet在这一层是将四个元素相加，然后乘以参数w再加上偏置b，然后计算sigmoid值。 LeNet第三层（C3层）也是卷积层，卷积核大小仍为 5*5 ，不过卷积核的数量变为 16 个。第三层的输入为 14*14 的 6 个feature map，卷积核大小为 5*5 ，因此卷积之后输出的feature map大小为 10*10 ，由于卷积核有 16 个，因此希望输出的feature map也为 16 个，但由于输入有 6 个feature map，因此需要进行额外的处理。输入的 6 个feature map与输出的 16 个feature map的关系图如下： 如上图所示，第一个卷积核处理前三幅输入的feature map，得出一个新的feature map。 上一层卷积运算之后，结果为大小为 10*10 的 16 个feature map，因此在第四层（S4层）进行pooling运算之后，输出结果为 16 个大小为 5*5 的feature map。与S2层进行同样的操作。 LeNet第五层是卷积层(C5层)，卷积核数目为120个，大小为 5*5 ，由于第四层输出的feature map大小为 5*5 ，因此第五层也可以看成全连接层，输出为120个大小为 1*1 的feature map。 LeNet第六层是全连接层（F6层），有84个神经元（84与输出层的设计有关），与C5层全连接。 LeNet神经网络结构在Caffe中的配置文件如下： 参考资料： 1. https://ujjwalkarn.me/2016/08/11/intuitive-explanation-convnets/

5，在国内有哪些比较知名的Deep Learning研究机构

百度一定有的，BAT都有
int month_day(int year,int month) //判断这一个月有多少天 { int mon_day[]={31,28,31,30,31,30,31,31,30,31,30,31}; //初始化每个月的天数 if(leap(year)&&month==2 ) return 29; else return(mon_day[month-1]);

6，百度是什么

百度（Baidu）是拥有强大互联网基础的领先AI公司。百度愿景是：成为最懂用户，并能帮助人们成长的全球顶级高科技公司。 [1] “百度”二字，来自于八百年前南宋词人辛弃疾的一句词：众里寻他千百度。这句话描述了词人对理想的执着追求。1999年底，身在美国硅谷的李彦宏看到了中国互联网及中文搜索引擎服务的巨大发展潜力，抱着技术改变世界的梦想，他毅然辞掉硅谷的高薪工作，携搜索引擎专利技术，于 2000年1月1日在中关村创建了百度公司。百度拥有数万名研发工程师，这是中国乃至全球都顶尖的技术团队。这支队伍掌握着世界上最为先进的搜索引擎技术，使百度成为中国掌握世界尖端科学核心技术的中国高科技企业，也使中国成为美国、俄罗斯和韩国之外，全球仅有的4个拥有搜索引擎核心技术的国家之一。 [1] 百科星图查看更多百度公司旗下产品共126个词条 24.6万阅读加盟星B2B服务出海易B2B服务基木鱼B2B服务度小店生活服务2022年《财富》中国500强排行榜共500个词条 33.9万阅读中国石油化工股份有限公司营业收入(百万元)：2740884中国石油天然气股份有限公司营业收入(百万元)：2614349中国建筑股份有限公司营业收入(百万元)：1891338.97中国平安保险（集团）股份有限公司营业收入(百万元)：11804442021中国企业500强共500个词条 261万阅读国家电网有限公司第1名中国石油天然气集团有限公司第2名中国石油化工集团有限公司第3名中国建筑股份有限公司第4名汇桔网·2019胡润品牌榜共202个词条 133.2万阅读茅台酒茅台酒，贵州省遵义市仁怀市茅台镇特产，中国国家地理标志产品。茅台酒是中国的传统特产酒。与苏格兰威士忌、法国科涅克白兰地齐名的世界三大蒸馏名酒之一，同时是中国三大名酒“茅五剑”之一。也是大曲酱香型白酒的鼻祖，已有800多年的历史。贵州茅台酒的风格质量特点是“酱香突出、幽雅细腻、酒体醇厚、回味悠长、空杯留香持久”，其特殊的风格来自于历经岁月积淀而形成的独特传统酿造技艺，酿造方法与其赤水河流域的农业生产相结合，受环境的影响，季节性生产，端午踩曲、重阳投料，保留了当地一些原始的生活痕迹。1996年，茅台酒工艺被确定为国家机密加以保护。2001年，茅台酒传统工艺列入国家级首批物质文化遗产。2006年，国务院批准将“茅台酒传统酿造工艺”列入首批国家级非物质文化遗产名录，并申报世界非物质文化遗产。2003年2月14日，原国家质检总局批准对“茅台酒”实施原产地域产品保护。2013年3月28日，原国家质检总局批准调整“茅台酒”地理标志产品保护名称和保护范围。2021年，网传茅台将全面取消拆箱令的消息引起坊间热议。对此，贵州茅台企业负责人回应称拆箱令全面取消的消息属实。中华香烟中华香烟简称“中华”，是1951年创立的香烟品牌，1952年中华烟草公司并入上海烟草公司，“中华”烟以其独特的品味和魅力征服了消费者，赢得了中国第一品牌——国烟的美誉。“中华”牌一直是中国高档烟消费市场的第一品牌，成为了社会精英展示身份、体现价值的重要附属品。在过去的五十多年中，中华不断树立着谦逊但不失尊贵的风范，赢得了高端消费人群的普遍推崇，成为了中国高档烟市场的绝对领导者。天猫“天猫”（英文：Tmall，亦称淘宝商城、天猫商城）原名淘宝商城，是一个综合性购物网站。2012年1月11日上午，淘宝商城正式宣布更名为“天猫”。2012年3月29日天猫发布全新Logo形象。2012年11月11日，天猫借光棍节大赚一笔，宣称13小时卖100亿，创世界纪录。天猫是马云淘宝网全新打造的B2C（Business-to-Consumer，商业零售）。其整合数千家品牌商、生产商，为商家和消费者之间提供一站式解决方案。提供100%品质保证的商品，7天无理由退货的售后服务，以及购物积分返现等优质服务。2014年2月19日，阿里集团宣布天猫国际正式上线，为国内消费者直供海外原装进口商品。2018年11月26日，天猫升级为“大天猫”，形成天猫事业群、天猫超市事业群、天猫进出口事业部三大板块。2019年03月06日，蒋凡接替靖捷，任天猫总裁。2019年9月7日，中国商业联合会、中华全国商业信息中心发布2018年度中国零售百强名单，天猫排名第1位2019年12月12日，《汇桔网·2019胡润品牌榜》发布，天猫以3200亿元品牌价值排名第三，上榜2019最具价值中国民营品牌十强,排名第一。2020天猫双11全球狂欢季总成交额自11月1日-11月11日共4982亿人民币，约合741亿美元，实时物流订单总量23.21亿单。2021年5月3日，阿里巴巴旗下“天猫香港”上线试营业。淘宝网淘宝网是亚太地区较大的网络零售、商圈，由阿里巴巴集团在2003年5月创立。淘宝网是中国深受欢迎的网购零售平台，拥有近5亿的注册用户数，每天有超过6000万的固定访客，同时每天的在线商品数已经超过了8亿件，平均每分钟售出4.8万件商品。截止2011年年底，淘宝网单日交易额峰值达到43.8亿元，创造270.8万直接 且充分就业机会。随着淘宝网规模的扩大和用户数量的增加，淘宝也从单一的C2C网络集市变成了包括C2C、团购、分销、拍卖等多种电子商务模式在内的综合性零售商圈。已经成为世界范围的电子商务交易平台之一。2016年3月15日，315晚会曝光，淘宝商家存在刷单等欺骗消费者现象。2016年3月29日，阿里巴巴集团CEO张勇为淘宝的未来明确了战略：社区化、内容化和本地生活化是三大方向。2018年8月8日，阿里巴巴淘宝透露将进军MR（混合现实）购物领域，即将在2018年造物节上推出产品——淘宝买啊。2019年12月12日，《汇桔网·2019胡润品牌榜》发布，淘宝以3000亿元品牌价值排名第四。2020中国品牌500强（北京地区）共103个词条 65.3万阅读中国工商银行TOP 1中国石油天然气集团有限公司TOP 2中国人民保险集团股份有限公司TOP 6中国建设银行TOP 72020中国最具价值品牌100强TOP20共20个词条 3.3万阅读中国工商银行TOP1中国建设银行TOP2中国农业银行TOP3中国银行TOP4公司名称百度外文名Baidu成立时间2000年1月总部地点中国北京海淀区上地十街10号百度大厦公司类型AI驱动的技术型公司公司口号百度一下，生活更好 [115] 年营业额1074.13 亿元(2020年) [2] 员工数36413 人(2021年) [118] 董事长李彦宏官 网www.baidu.com使 命用科技让复杂的世界更简单品牌主张世界很复杂，百度更懂你愿 景成为最懂用户，并能帮助人们成长的全球顶级高科技公司 [1]

7，目前哪种深度学习语言最好

二叉树的遍历，利用递归函数int depth(bitree t)int depthval,depthleft,depthright;if(t == null) depthval = 0;elsedepthleft = depth(t -> lchild);depthright = depth(t -> rchild); depthval = 1 + (depthleft > depthright ? depthleft : depthright);}//else return depthval;}//depth
c+语言比较火

8，BAT三巨头开始挖掘大数据

BAT三巨头开始挖掘大数据阿里巴巴CTO即阿里云负责人王坚博士说过一句话：云计算和大数据，你们都理解错了。实际上，对于大数据究竟是什么业界并无共识。大数据并不是什么新鲜事物。信息革命带来的除了信息的更高效地生产、流通和消费外，还带来数据的爆炸式增长。“引爆点”到来之后，人们发现原有的零散的对数据的利用造成了巨大的浪费。移动互联网浪潮下，数据产生速度前所未有地加快。人类达成共识开始系统性地对数据进行挖掘。这是大数据的初心。数据积累的同时，数据挖掘需要的计算理论、实时的数据收集和流通通道、数据挖掘过程需要使用的软硬件环境都在成熟。概念、模式、理论很重要，但在最具实干精神的互联网领域，行动才是最好的答案。国内互联网三巨头BAT坐拥数据金矿，已陆续踏上了大数据掘金之路。BAT都是大矿主，但矿山性质不同数据如同蕴藏能量的煤矿。煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似，大数据并不在“大”，而在于“有用”。价值含量、挖掘成本比数量更为重要。百度拥有两种类型的大数据：用户搜索表征的需求数据;爬虫和阿拉丁获取的公共web数据。阿里巴巴拥有交易数据和信用数据。这两种数据更容易变现，挖掘出商业价值。除此之外阿里巴巴还通过投资等方式掌握了部分社交数据、移动数据。如微博和高德。腾讯拥有用户关系数据和基于此产生的社交数据。这些数据可以分析人们的生活和行为,从里面挖掘出政治、社会、文化、商业、健康等领域的信息，甚至预测未来。下面，就将三家公司的情况一一扫描与分析。一、百度：含着数据出生且拥有挖掘技术，研究和实用结合搜索巨头百度围绕数据而生。它对网页数据的爬取、网页内容的组织和解析，通过语义分析对搜索需求的精准理解进而从海量数据中找准结果，以及精准的搜索引擎关键字广告，实质上就是一个数据的获取、组织、分析和挖掘的过程。除了网页外，百度还通过阿拉丁计划吸收第三方数据，通过业务手段与药监局等部门合作拿到封闭的数据。但是，尽管百度拥有核心技术和数据矿山，却还没有发挥出最大潜力。百度指数、百度统计等产品算是对数据挖掘的一些初级应用，与Google相比，百度在社交数据、实时数据的收集和由数据流通到数据挖掘转换上有很大潜力，还有很多事情要做。2月底在北京出差时，写了一篇《搜索引擎的大数据时代》发在虎嗅。创造了零回复的记录。尽管如此，仍然没有打消我对搜索引擎在大数据时代深层次变革的思考。 搜索引擎在大数据时代面临的挑战有：更多的暗网数据;更多的WEB化但是没有结构化的数据;更多的WEB化、结构化但是封闭的数据。这几个挑战使得数据正在远离传统搜索引擎。不过，搜索引擎在大数据上毕竟具备技术沉淀以及优势。接下来，百度会向企业提供更多的数据和数据服务。前期百度与宝洁、平安等公司合作，为其提供消费者行为分析和挖掘服务，通过数据结论指导企业推出产品，是一种典型的基于大数据的C2B模式。与此类似的还有Netflix的《纸牌屋》美剧，该剧的男主角凯文·史派西和导演大卫·芬奇都是通过对网络数据挖掘之后，根据受欢迎情况选中的。百度还会利用大数据完成移动互联网进化。核心攻关技术便是深度学习。基于大数据的机器学习将改善多媒体搜索效果和智能搜索，如语音搜索、视觉搜索和自然语言搜索。这将催生移动互联网的革命性产品的出现。尽管百度已经出发，其在大数据上可做的事情还有很多。在数据收集方面，百度需要聚合更多高价值的交易、社交和实时数据。例如加强自己贴吧知道的社交能力、尽快让地图服务与O2O结合进而掌握交易数据，以及推进移动App、穿戴式设备等数据收集系统。在数据处理技术上，百度成立深度学习研究院加强自己在人工智能领域的探索，在多媒体和中文自然语言处理领域已经有一些进展;云存储、云计算的基础设施建设也在逐步完善。但深度学习仍然是一个巨大的挑战，百度等探索者还有很多待解问题，如：无监督式学习、立体图像识别。在数据变现方面，百度需将数据挖掘能力、数据内容聚合和提取等形成标准化的服务和产品，进而开拓大数据领域的企业和开发者市场。而不仅仅是颇为个性化、定制化地为大型企业提供解决。百度的优势体现在海量的数据、沉淀十多年的用户行为数据、自然语言处理能力和深度学习领域的前沿研究。在技术人才方面百度是聚集国内最多大数据相关领域顶尖人才的公司。听说百度前段时间花五千万挖了数据挖掘、自然语言处理、深度学习领域的十来位大牛，包括一些学者和教授。例如Facebook科学家徐伟。在挖人上，舍得花钱不够，还得用心。对于真正的大牛来说，钱只是一个影响因素。能否实现自己的梦想，公司的资源能否帮助自己的研究至关重要。徐伟在回国前就曾问过其他从硅谷回国工程师的意见，得到答案是积极的，最终促成他作出决定。总体来看，百度拥有大数据也具备大数据挖掘的能力，并且正在进行积极地准备和探索。在加强面向未来的研究和人才布局的同时，也注重实用性的技术产出。二、腾讯：数据为产品所用，自产自销微创新提出者金错刀有个关于腾讯的故事。 1999年腾讯公司刚刚成立不久，天使投资人刘晓松决定向其注资的一个主要原因就是因为他发现，“当时虽然他们的公司还很小,但已经有用户运营的理念,后台对于用户的每一个动作都有记录和分析。”而另一个投资人却因为马化腾在公司很小时就花钱在数据上表示不满。此后腾讯的产品生产及运营、腾讯游戏的崛起都离不开对数据的重视。腾讯拥有社交大数据，在企鹅帝国完成数据的制造、流通、消费和挖掘。 腾讯大数据目前释放价值更多是改进产品。据腾讯Q1财报，增值服务占总收入的78.7%;电子商务业务占14.1%;网络广告收入占6.3%。从广告收入比例可以看出腾讯的大数据在精准营销领域暂时还未大量释放出价值。与其产品线对应的GMAIL、Google+的Google以及社交巨头Facebook则通过广告赚得盆满钵满。在笔者看来，腾讯的思路主要是补齐产品，注重QZONE、微信、电商等产品的后端数据打通。例如最近腾讯微博利用“大数据技术”实现好友关系自动分组、低质量信息自动过滤、优质信息分类阅读等智能化功能。明显的用数据改进产品的思路。 那么如果腾讯要深入大数据挖掘缺少什么呢?笔者认为其只需马化腾“摁下启动按钮”。数据已经准备好了，就差模式，也就是找到需求或者能更深层次驱动大数据利用的产品，而不是用大数据改进自己的产品。腾讯还在观望，等其他人去试错验证出一套模式或者产品后，自己可以“站在巨人肩上”。这是腾讯的典型思维。在人才方面，腾讯很早便开始重金挖人。尤其是2010年在Google宣布退出中国后，Google图片搜索创始人朱会灿、Google中国工程研究院副院长颜伟鹏、Google中日韩文搜索算法的主要设计者，《浪潮之巅》及《数学之美》作者吴军相继加入腾讯。搜搜花了很多钱，但被认定为一款无法承载腾讯重托的产品，最后这些大牛都走了。大都回Google了。腾讯在大数据领域也缺少技术带头人。其对公关也不重视。技术大牛很少出来做报告，更不会向百度、阿里那样主动包装宣传技术大牛。其技术虽然低调，但执行力很强。据腾讯的程序员朋友说封闭开发、集体加班是常有的事情。但配套的重金激励也能跟上。重金之下必有勇夫、腾讯用制度保障技术产出。另外腾讯在高校合作领先一步，在2010年便与清华大学合作成立了清华腾讯联合实验室。这么看腾讯的技术人才这块似乎有短板。会不会到时候马化腾按下启动按钮，发现没数据挖掘能力呢?不会，腾讯搞不定数据挖掘，到时候依然可以挖到大牛，甚至读论文来搞定这事儿。数据挖掘已较为成熟。数据挖掘实际是数据库、统计学、机器学习三个领域的融合。在学术界已经发展多年。不过自然语言识别和深度学习等方面要赶上百度，就难了。除非将百度的数据和众大牛一起倒腾过来。总体来看，腾讯目前的大数据策略是先将产品补全，产品后台数据打通，形成稳定生态圈。本阶段先利用大数据挖掘改进自己的产品。后期有成熟的模式合适的产品，则利用自家的社交及关系数据时，开展对大数据的进一步挖掘。三、阿里巴巴：坐拥金数据，尝试做面向未来的数据集市阿里巴巴B2B出身，在外贸蓬勃的大环境下，依靠服务中小企业发家。淘宝、支付宝等toC的产品出生前，阿里并不依赖也不擅长技术。业界普遍认为阿里没有技术基因。直到淘宝、支付宝以及天猫三个产品后，对海量用户大并发量交易、海量货架数据的管理、安全性等方面的严苛要求，阿里完成进化，在电商技术上取得不菲的成绩。在一段时期阿里仍然浪费了手里掌握的大量数据。这些数据还是“最值钱”的金数据。数据挖掘无非是从原始数据提取价值。阿里现有的数据产品例如数据魔方、量词统计、推荐系统、排行榜以及时光倒流相对来说是比较简单的BI(商业智能)，没到大数据的阶段。“大数据”浪潮袭来，阿里提出“数据、金融和平台”战略。前所未有地重视起对数据的收集、挖掘和共享。马云在“退居”前动不动都对外提“数据”。有位阿里朋友甚至开玩笑说，马云英文名可以从Jack Ma改为Data Ma。阿里现CEO陆兆禧曾做过CDO，首席数据官。为了用数据来驱动阿里电商帝国，阿里还成立了横跨各大事业部的“数据委员会”。阿里的各项投资案也显示其整合、利用和完善数据的野心：新浪微博的社交及媒体数据、高德的地图数据和线下数据以及友盟的移动应用数据，都是其数据及平台战略的一部分。数据战略正在首席人工智能官(CBO)车品觉领头下逐步落地，王坚的云为其提供基础设施、基础技术支撑。就在马云退休之后，王坚对外透露其跟马云开玩笑说的一句话：阿里巴巴对数据的理解深度，不会超过苏宁对电子商务的理解。估计马云不一定认同他这话。马云对大数据已经有着自己的理解和考量。马云曾经说过其对大数据的思考。大致意思是：现在从信息时代进入数据时代了。区别是信息时代更多的是精英玩的游戏。我比别人聪明，我能提取出信息出来;数据时代，别人比我聪明，将数据开放给更聪明的人处理，数据即资产，分析即服务。计算机发展的过程是从象牙塔、到平民到草根。大数据也是这样，一开始在象牙塔阶段，少数精英公司才能玩;但到后面只要有数据就有价值。数据也有所有权，产生数据、流通数据、挖掘数据的都会获得相应的价值。而阿里擅长的便是“建立市场”，建立一个数据交易市场。届时任何个人和企业都可以将数据和挖掘服务拿上去，交易。初期阿里会将自己珍藏的电商和信用数据逐步放到上面。 有数据的人，拿上去卖，或者让别人分析，分析即服务。没有数据的人，即可以去买，也可以去帮别人挖掘，做矿工。阿里并不是技术驱动，而是业务驱动的。因此在技术层面我们看到，基于前面提到的阿里大数据思路，其技术重心主要在系统层面。阿里拥有LVS(Linux Virtual Server，Linux虚拟服务器)开源软件创始人章文嵩，Linux Kernal、文件系统、大牛DBA等领域的大牛。从人才布局可以看到阿里擅长的技术领域，体现在对于并发访问、电信级别的电商业务的支撑方面的得心应手。在去年双十一期间，支撑了单日过亿的订单量。铁道部奇葩网12306在日均40万时已经不行了。总体来看，阿里更多是在搭建数据的流通、收集和分享的底层架构。自己并不擅长似乎也不会着重来做数据挖掘的活儿。而是将自己擅长的“交易”生意扩展到数据。让天下没有难做的“数据生意”。总结一下移动互联网浪潮下，现实世界正在加速数字化，每个人，每个物体、每件事情、每一个时间节点，都在向网上映射。空间和时间两个维度的联网，使得数字世界正在接近一步步模拟现实世界。历史、现在和未来都会映射到网上。对大数据的挖掘正是对世界的二次发现和感知。BAT三巨头已经出发。

9，深度学习硬件这件事GPUCPUFPGA到底谁最合适

1. 在未来的深度学习中，大约有95%的应用是数据的推断。2. 而且FPGA或者ASIC相较于GPU/CPU无论在研发还是产出上的成本都明显降低。3. 因此必然是兵家必争之地。4. 无论从INTEL收购ALTRA/ Movidius，还是XILINX与IBM合作，抑或谷歌和高通默默开发自己的专属ASIC中都可见一斑。5. 而且针对移动端的深度学习，FPGA或者ASIC更多的会以SOC形式出现，以至于更好的优化神经网络结构提升效率。
gpu概念gpu英文全称graphic processing unit，中文翻译为逗图形处理器地。gpu是相对于cpu的一个概念，由于在现代的计算机中（特别是家用系统，游戏的发烧友）图形的处理变得越来越重要，需要一个专门的图形的核心处理器。gpu的作用gpu是显示卡的逗大脑地，它决定了该显卡的档次和大部分性能，同时也是2d显示卡和3d显示卡的区别依据。2d显示芯片在处理3d图像和特效时主要依赖cpu的处理能力，称为逗软加速地。3d显示芯片是将三维图像和特效处理功能集中在显示芯片内，也即所谓的逗硬件加速地功能。显示芯片通常是显示卡上最大的芯片（也是引脚最多的）。现在市场上的显卡大多采用nvidia和ati两家公司的图形处理芯片。于是nvidia公司在1999年发布geforce 256图形处理芯片时首先提出gpu的概念。gpu使显卡减少了对cpu的依赖，并进行部分原本cpu的工作，尤其是在3d图形处理时。gpu所采用的核心技术有硬体t&l、立方环境材质贴图和顶点混合、纹理压缩和凹凸映射贴图、双重纹理四像素256位渲染引擎等，而硬体t&l技术可以说是gpu的标志。简单说gpu就是能够从硬件上支持t&l（transform and lighting，多边形转换与光源处理）的显示芯片，因为t&l是3d渲染中的一个重要部分，其作用是计算多边形的3d位置和处理动态光线效果，也可以称为逗几何处理地。一个好的t&l单元，可以提供细致的3d物体和高级的光线特效；只不过大多数pc中，t&l的大部分运算是交由cpu处理的（这就也就是所谓的软件t&l），由于cpu的任务繁多，除了t&l之外，还要做内存管理、输入响应等非3d图形处理工作，因此在实际运算的时候性能会大打折扣，常常出现显卡等待cpu数据的情况，其运算速度远跟不上今天复杂三维游戏的要求。

10，国内深度学习的创业公司有

陌上花科技（衣＋），在计算机深度学习、图像识别方面都不错
怎样去创业 技巧一：因地制宜选行业 位于交通枢纽处的商铺，应以经营日常用品或价格低、便于携带的消费品为主。位于住宅附近的商铺，应以经营综合性消费品为主。位于办公楼附近的商铺，应以经营文化、办公用品为主，且商品的档次应相对较高。位于学校附近的商铺，应以经营文具、饮食、日常用品为主。在投资商铺之前，就应该为它寻找“出路”。 技巧二：坚决“傍大款” 如果你相中的商铺位于著名连锁店或强势品牌专卖店附近，甚至就在这些店面的隔壁，那么，你大可省去考察商铺市场的时间和精力，因为你的商铺将可以借助这些店面的品牌效应招揽顾客。 技巧三：巧用“物以类聚” 管理部门并没有对某一条街道、某一个市场的经营进行规定，但在长期经营中，某条街道或某一个区域，很可能自发形成销售某类商品的“集中市场”。 技巧四：独立门面不可少 有的店面没有独立的门面，自然就会失去独立的广告空间，你也就失去了在店前施展营销智慧的空间，这会给店面今后的促销带来很大麻烦。 技巧五：周边民众购买力需知晓 商铺周边人群购买力的大小和质量，决定了商铺的基本价值。当然，在那些购买力较强的区域，商铺的价值高，你获得投资回报的成本也相对较高。 技巧六：人流量很重要 投资商铺的收益在很大程度上取决于人流量。真正支撑商铺长期盈利的是固定人流，其次是流动人流、客运流(公交、地铁的客流)。 技巧七：路边店能讨巧 如果商铺位于一条道路的一侧，就拥有了道路上来回两个方向的客流，这种临街的商铺，价值不低。 技巧八：建筑结构必须好 建筑物的结构也直接影响到商铺的价值，这一点很多人都没想到。建筑物的结构多种多样，理想的商业建筑结构为框架结构，或者大跨度的无柱类结构(如体育场馆)，这些结构的优点是：展示性能好，便于分隔、组合，利于布置和商品摆放。 技巧九：了解商铺的开发商 选择品牌开发商，确保资金安全，是成功投资商铺的一个重要方面。实力雄厚的开发商往往拥有完善的开发流程，以及众多的合作伙伴，这对商铺的商业前景来说就是一种保证。 技巧十：周边交通要便利 理想状态下的商铺或商业街市，应具备接纳八方来客的交通设施，周边拥有轨道交通、公交车站点，当然，停车场也是不可或缺的。 技巧十一：不忽略发展空间 投资商业物业要具有发展的眼光。有一些看似位置较偏的商铺，前期租金很低，商户难寻，似乎没啥“钱”途，不过你可别忘了，任何事情都可能发生变化。 技巧十二：把握投资时机有诀窍 从总体上说，经济形势良好、商业景气、商业利润高于社会平均利润的时期，未必是投资商铺的最佳时机，投资者选择商铺的空间很小，而且获得商铺要付出的成本很高。反之，在有发展潜力的区域，商业气候尚未形成或正在形成中，投资者可以在较大的范围内选择商铺，需要付出的成本也相对较低。

文章TAG：深度学习三巨头  人工智能深度学习算法哪家公司做的好  
下一篇