广丰| 龙口| 抚松| 汉阳| 阜阳| 天全| 安福| 临邑| 海阳| 龙岩| 郾城| 青县| 定兴| 铜陵县| 屏山| 马龙| 柞水| 桓台| 临洮| 茌平| 云溪| 康乐| 蕉岭| 天山天池| 紫云| 安溪| 阳原| 平乐| 杞县| 宣汉| 吉县| 湖口| 西乡| 离石| 吉安市| 涞源| 农安| 乌尔禾| 株洲市| 浑源| 大同县| 水城| 徐闻| 张湾镇| 开封县| 喀喇沁左翼| 龙泉驿| 黄平| 西峡| 翁源| 镇江| 石首| 兴国| 上蔡| 清镇| 石林| 三江| 白城| 崇义| 安庆| 杭锦旗| 安丘| 乌拉特中旗| 阳山| 高密| 巴东| 达尔罕茂明安联合旗| 礼泉| 渑池| 高平| 平鲁| 高明| 邵阳县| 张家口| 蓬溪| 商丘| 卓资| 乌伊岭| 古浪| 增城| 肃宁| 赤水| 六安| 沁水| 河池| 大石桥| 乐亭| 南华| 苏尼特左旗| 云阳| 北海| 仁布| 千阳| 黄石| 太原| 阳新| 晋中| 阳曲| 宜州| 拜泉| 湛江| 丹徒| 陇川| 瑞金| 霍山| 林口| 双城| 屯昌| 曲江| 庐山| 新丰| 孟村| 托克托| 施秉| 郸城| 离石| 新兴| 介休| 遂平| 惠东| 嘉善| 公安| 涿鹿| 金湾| 新民| 济南| 枣阳| 邵阳市| 凉城| 永泰| 六枝| 鄄城| 平舆| 汪清| 徽州| 涞源| 大渡口| 三原| 墨竹工卡| 阳东| 惠州| 辽源| 南川| 黄平| 化隆| 融安| 江口| 和县| 滨州| 吴中| 民丰| 巨野| 隰县| 册亨| 栾川| 奈曼旗| 鼎湖| 昌平| 克什克腾旗| 崇仁| 绥棱| 屏东| 永平| 安国| 松溪| 香格里拉| 故城| 朝天| 汾西| 阿坝| 龙南| 柳河| 红原| 成都| 忻城| 新蔡| 彬县| 钦州| 嵩明| 富裕| 梁山| 常宁| 绥滨| 遵义市| 宜君| 谢通门| 郸城| 新丰| 赣榆| 东山| 浦东新区| 商河| 奈曼旗| 北安| 剑川| 荔波| 阳泉| 茌平| 富裕| 呼伦贝尔| 鹰手营子矿区| 通渭| 吉首| 柘城| 灵璧| 沙县| 普兰| 泰州| 平昌| 台州| 邯郸| 阿拉善左旗| 龙山| 广州| 永州| 石家庄| 娄烦| 道真| 黄山市| 永宁| 仲巴| 遵义县| 杭锦旗| 克东| 榆树| 无棣| 清流| 新荣| 鹤壁| 汉口| 郓城| 台中市| 张家界| 嘉兴| 高平| 北安| 莎车| 颍上| 内丘| 湘东| 平定| 梅河口| 扎兰屯| 宁陵| 罗山| 灯塔| 雷州| 新宾| 五莲| 桑植| 耿马| 永清| 普兰| 房山| 南雄| 七台河| 长春| 左云| 横峰| 蓬安| 离石| 古田| 滨海| 大方|

体育中心加强场馆日常管理强化市民健身安全

2018-06-24 09:40 来源:黑龙江电视台

  体育中心加强场馆日常管理强化市民健身安全

  我的异常网运河杭州段位于杭州市北部,地势低平,水流平缓,与苕溪、上塘河及其他人工河相通,构成了稠密的水网。崔丽在活动中讲话指出,党的十八大以来,结核病防治工作实现了新跨越,我国结核病疫情持续下降。

第十六条互联网信息服务提供者发现其网站传输的信息明显属于本办法第十五条所列内容之一的,应当立即停止传输,保存有关记录,并向国家有关机关报告。杭州是我国古代两大歌体“吴歈”“越吟”的交融点,京杭大运河杭州段水网地区更是明清年间大量民歌民谣、时调俗曲的传播地。

  我今天演讲的题目是“加快推进以人为本的新型城镇化”。第十六条互联网信息服务提供者发现其网站传输的信息明显属于本办法第十五条所列内容之一的,应当立即停止传输,保存有关记录,并向国家有关机关报告。

  除此之外,市总工会职工文艺宣讲小分队还以快闪的方式,表演了最新创作的音舞快板。大风:全省出现瞬时风速8级(米/秒)以上的平均大风日数为10天,引发10起大风灾害。

这句出自于《警世贤文勤奋篇》的古语,恰如其分地总结了米雪梅代表在艰苦困难环境中仍不忘奋斗努力的可贵品质,饱含着习近平对普通百姓的尊重与关怀。

  在郑州市妇幼保健院,记者看到了密密麻麻写满字的五页纸,事情还得从13号说起,陈会晓是一名护士,当天她在和一名产妇进行术前沟通时,发现这名产妇竟然是一位聋哑人,这将给手术造成一定的困难。

  这是历代民歌手的一种美好联想:将唱山歌与历史名人联系在一起,既可强调山歌本是贤上能人所倡导的,又可彰显民间歌谣娱人劝世的作用。”冯春惋惜地说。

  安全监督机构接到施工企业提报的开(复)工申请后,应及时派监督人员现场核查开复工条件,对施工现场安全生产措施和7个100%扬尘防治措施未落实的,一律不批准开(复)工,并责令立即整改,整改达标后,方可批准开(复)工。

  这是中欧班列首次驶入沈阳海关关区内企业,实现了中德物流线路之间的无缝对接。广告节组委会工作人员告诉记者,本届广告节作品展示单元在引入了第九届全国大学生广告作品大赛及第十七届上海国际大学生广告节全部优秀作品的同时,还增加了2017年大韩民国户外广告作品大赛获奖作品。

  “大嫂团”专谈夫妻情、家务事,因话题有限,渐渐没落,林秀琴和陈致远上节目总是效果十足,为了抢通告费,把隐私和床事全说出来,令人担心两人的女儿怎么面对外界的有色眼光。

  我的异常网比如人工智能现有六大流派,时下最火的是神经网络流派,那么政府就应该支持余下五个流派。

  二是在建国一百年的奋斗目标,即建成富强、民主、文明、和谐、美丽的社会主义现代化强国。中国特色社会主义进入新时代,我们仍要深入推进党的建设新的伟大工程,始终与人民心心相印、与人民同甘共苦、与人民团结奋斗,担负起领导人民进行伟大社会革命的历史责任。

  我的异常网

  体育中心加强场馆日常管理强化市民健身安全

 
责编:
注册

体育中心加强场馆日常管理强化市民健身安全

我的异常网 第六条从事经营性互联网信息服务,除应当符合《中华人民共和国电信条例》规定的要求外,还应当具备下列条件:(一)有业务发展计划及相关技术方案;(二)有健全的网络与信息安全保障措施,包括网站安全保障措施、信息安全保密管理制度、用户信息安全管理制度;(三)服务项目属于本办法第五条规定范围的,已取得有关主管部门同意的文件。


来源:机器之心

原标题:资源 | DMLC团队发布GluonCV和GluonNLP:两种简单易用的DL工具箱 选自?

原标题:资源 | DMLC团队发布GluonCV和GluonNLP:两种简单易用的DL工具箱

选自 Gluon

机器之心编译

参与:思源、李亚洲

近日,DMLC 发布了简单易用的深度学习工具箱 GluonCV 和 GluonNLP,它们分别为计算机视觉和自然语言处理提供了顶级的算法实现与基本运算。本文简要介绍了这两个工具箱,并提供了基本的使用示例,更多详细的内容请查看它们的原文档。

  • GluonCV 文档地址:http://gluon-cv.mxnet.io.tsoid.com 

  • GluonNLP 文档地址:http://gluon-nlp.mxnet.io.tsoid.com/

自去年以来,MXNet 的动态图接口 Gluon 凭借着它的简单易用、并行效率高和节省显存等特点,成为了非常受欢迎的一个开源工具。此外,Gluon 最大的特点就是文档和教程齐全,李沐及 MXNet 团队还发布了一系列「动手学深度学习」的公开课。

GluonCV 和 GluonNLP 继承了 Gluon 的优良传统,它们都能使用简单易用的 API 构建复杂的深度神经网络。此外,这两个项目目前都处于开发的早期阶段,它们的更新频率会比较高。因此,各位读者对该项目的贡献将极大地完善用户体验和工具性能。

  • GluonCV 项目地址:https://github.com/dmlc/gluon-cv

  • GluonNLP 项目地址:https://github.com/dmlc/gluon-nlp

GluonCV 提供了计算机视觉领域顶级深度学习算法的实现。设计上,GluonCV 是为了帮助工程师、研究人员、学生快速的做出产品原型、验证新思路、学习计算机视觉。

1. 训练脚本从而重现最新论文中的顶级结果;

2. 大量的预训练模型;

3. 细心设计的 API,便于理解实现;

4. 社区支持。

GluonNLP 提供了 NLP 领域顶级深度学习模型的实现,且建立了文本数据管道和模型的模块。设计上,它同样也是为了让工程师、研究员和学生能快速的实现研究思路,做出产品原型。该工具箱提供以下四大特征:

1. 训练脚本来重现研究论文中的顶级结果;

2. 通用 NLP 任务的预训练模型;

3. 仔细设计的 API,极大的减少了实现的复杂性;

4. 社区支持。

安装

安装 MXNET

GluonCV 和 GluonNLP 都依赖最新版的 MXNet,最简单的方式是通过 pip 安装 MXNet,运行下面的命令行将安装 CPU 版本的 MXNet。

pip install --pre --upgrade mxnet

安装 GluonCV

使用 pip 是安装 GluonCV 最简单的方式:

pip install gluoncv

当然,我们也可以使用 Git 复制 GluonCV 项目并在本地安装:

git clone https://github.com/dmlc/gluon-cvcd gluon-cv && python setup.py install --user

安装 GluonNLP

同样,通过以下 pip 命令安装 GluonNLP 也是最简单的:

pip install gluonnlp


这两个工具目前都提供了案例或教程,但 GluonNLP 假定了用户对深度学习与 NLP 有基础理解,GluonCV 的教程假定用户对深度学习与计算机视觉有基础了解。以下简要展示了这两个工具的使用案例。


以下的案例将使用 20 层的残差网络在 CIFAR10 上从头开始训练,我们这里只展示了模型架构和最优化方法。使用 GluonCV 首先需要导入这个库:

import numpy as np
import mxnet as mx

from mxnet import gluon, nd
from mxnet import autograd as ag
from mxnet.gluon import nn

from gluoncv.model_zoo import get_model

选择模型架构可以简单地从已有模型中导入,以下将从 GluonCV 的模型库中导入用于 CIFAR10 的 20 层残差网络:


# number of GPUs to use
num_gpus = 1
ctx = [mx.gpu(i) for i in range(num_gpus)]

# Get the model CIFAR_ResNet20_v1, with 10 output classes, without pre-trained weights
net = get_model('cifar_resnet20_v1', classes=10)
net.initialize(mx.init.Xavier(), ctx = ctx)


而剩下的优化方法及损失函数的配置就可以通过一般的 Gluon 接口完成,这同样也是非常简明和高效的使用方法。


# Learning rate decay factor
lr_decay = 0.1
# Epochs where learning rate decays
lr_decay_epoch = [80, 160, np.inf]

# Nesterov accelerated gradient descent
optimizer = 'nag'
# Set parameters
optimizer_params = {'learning_rate': 0.1, 'wd': 0.0001, 'momentum': 0.9}

# Define our trainer for net
trainer = gluon.Trainer(net.collect_params(), optimizer, optimizer_params)

loss_fn = gluon.loss.SoftmaxCrossEntropyLoss()

对于 GluonNLP 来说,一般的任务都可以分为加载数据、构建词表、搭建模型和加载词嵌入等。以下将针对这些步骤展示该自然语言处理库的简单使用过程。

首先,以下代码将导入 GluonNLP,并加载 Wikitext-2 数据集:

>>> import gluonnlp as nlp
>>> train = nlp.data.WikiText2(segment='train')
>>> train[0][0:5]
['=', 'Valkyria', 'Chronicles', 'III', '=']


随后,我们可以根据上面导入的数据集创建词表:

>>> vocab = nlp.Vocab(counter=nlp.data.Counter(train[0]))
>>> vocab
Vocab(size=33280, unk=" " , reserved="[' ', ' ', ' ']" )


创建词表后,我们就能继续构建神经网络模型。如下将从模型仓库中导入一个标准的 RNN 语言模型,并将其应用到上面加载的数据集上:

>>> model = nlp.model.language_model.StandardRNN('lstm', len(vocab),
...                                             200, 200, 2, 0.5, True)
>>> model
StandardRNN(
 (embedding): HybridSequential(
   (0): Embedding(33280 -> 200, float32)
   (1): Dropout(p = 0.5, axes=())
 )
 (encoder): LSTM(200 -> 200.0, TNC, num_layers=2, dropout=0.5)
 (decoder): HybridSequential(
   (0): Dense(200 -> 33280, linear)
 )
)

最后,加载词嵌入表征就能馈送到模型并进行训练。如下将加载 GloVe 词嵌入表征,它是一种顶级的英语词嵌入方法:

>>> glove = nlp.embedding.create('glove', source='glove.6B.50d')
# Obtain vectors for 'baby' in the GloVe word embedding
>>> type(glove['baby'])
<class 'mxnet.ndarray.ndarray.NDArray'>
>>> glove['baby'].shape
(50,)


本文为机器之心编译,转载请联系本公众号获得授权

?------------------------------------------------

加入机器之心(全职记者 / 实习生):hr@jiqizhixin.com

投稿或寻求报道:editor@jiqizhixin.com

广告 & 商务合作:bd@jiqizhixin.com

  • 好文
  • 钦佩
  • 喜欢
  • 泪奔
  • 可爱
  • 思考

凤凰网科技官方微信

凤凰新闻 天天有料
分享到:
百度