开封市| 济宁| 安国| 同安| 凤凰| 广西| 定日| 沿河| 灌阳| 威信| 石景山| 上海| 昭平| 永登| 红安| 朔州| 灵璧| 普格| 苏家屯| 乌拉特中旗| 天池| 四子王旗| 苍梧| 乌兰浩特| 衡阳市| 青河| 霍邱| 资中| 宣汉| 汝州| 阿坝| 马龙| 贺兰| 大关| 大田| 辉南| 湘东| 和龙| 泸西| 长葛| 蒙山| 扎兰屯| 张家界| 博野| 科尔沁左翼后旗| 东西湖| 神农架林区| 泸定| 房山| 浙江| 勐腊| 禹州| 莆田| 江阴| 郴州| 清河门| 藤县| 会理| 麻山| 江都| 武乡| 图木舒克| 泽普| 长清| 利辛| 策勒| 大石桥| 呼和浩特| 桂阳| 会东| 商水| 高港| 玉田| 江安| 黄平| 马尾| 哈巴河| 晋城| 嘉兴| 武夷山| 苍溪| 安顺| 琼山| 通化县| 大龙山镇| 乌兰察布| 眉县| 广汉| 商水| 天水| 阿城| 南安| 利辛| 漳县| 左云| 双城| 宿州| 印台| 交口| 阜城| 马尔康| 丰县| 库车| 郑州| 汤旺河| 佛山| 楚州| 松潘| 呈贡| 民和| 岢岚| 双桥| 德昌| 定结| 浮梁| 乐清| 资溪| 仙桃| 庆安| 兴安| 宁乡| 新沂| 榕江| 轮台| 湘东| 枣庄| 榆树| 新疆| 蒲城| 巴林右旗| 玛纳斯| 黎平| 翁源| 维西| 阿城| 芷江| 团风| 连云区| 资溪| 麦积| 巩义| 万安| 金佛山| 盐津| 定南| 八公山| 鹿泉| 富顺| 金川| 西昌| 留坝| 绍兴县| 清徐| 蒙山| 阳朔| 宜春| 巴南| 南溪| 新源| 定州| 印江| 柘城| 平邑| 水富| 铁山| 新密| 那曲| 法库| 石渠| 京山| 张家川| 贡嘎| 华阴| 秦安| 蒲江| 枞阳| 石阡| 二道江| 楚州| 突泉| 阳泉| 富县| 库伦旗| 资溪| 瑞安| 延吉| 伊宁县| 奉化| 科尔沁右翼中旗| 从化| 鹤山| 泸西| 茶陵| 焉耆| 新干| 嘉祥| 莱州| 和龙| 二连浩特| 常州| 那坡| 兴县| 黎平| 汝南| 金乡| 胶州| 衢江| 开封县| 宿州| 洪雅| 乳源| 开封县| 白玉| 科尔沁左翼中旗| 三河| 洪湖| 巴彦淖尔| 彭山| 孝义| 南雄| 黄埔| 如东| 常熟| 永安| 永修| 海沧| 石屏| 永和| 阳西| 仁布| 乌兰察布| 土默特右旗| 申扎| 咸宁| 阳春| 仪征| 宜都| 乐清| 思南| 红河| 六枝| 吴起| 荆门| 徽州| 隰县| 苏州| 留坝| 鄱阳| 金门| 金佛山| 威宁| 定远| 柞水| 广汉| 雷州| 汤旺河| 长岭| 瑞丽| 旅顺口| 务川| 南海镇| 镇沅| 汉南| 定南|

涉嫌捏造传播同事不雅视频 广州两员工被刑拘

2018-05-24 11:54 来源:京华网

  涉嫌捏造传播同事不雅视频 广州两员工被刑拘

  我的异常网然而,佛教典籍中有论及世界形成过程,对释念常来说,佛教发源比盘古更早,故形成此书特殊的结构。他让我转告刘老板,快点恢复他的节目,快点给他付工资吧,否则他就要跟黄河电视台签约了,他说:他要不跟我签约,我就要跳黄河了!。

让雷诺还有《这个杀手不太冷》里的男主角让雷诺与画作中的人物相似度%。以下为访谈实录:主持人:其实龙部长,在采访您之前因为也看了很多的资料,我突然发现我自己的一个感觉,就是我们入世这么长时间了,其实对于中国入世的这种得失利弊也好,可能我自己感觉是没有必要我们再去讨论了,这是毫无疑问的这样一个事情,但是的确要看到在最近有一段时间,有一些这种声音又开始出来,无论是美国也好,或者欧盟也好,针对这个中国的这个双反的这种调查,和措施越来越多的情况之下,有人在想我们也可以不用依靠世贸,甚至还有中国出世的这样一些言论出来,甚至包括对于您自己来说的话,您这个卖国贼的帽子,似乎又在这段时间,重新给您扣上了,你会怎么样去看待呢?龙永图:我从来没有觉得卖国贼那个帽子,对我来讲有多么重要,我觉得都是那些不了解情况,或者是思维上比较偏激的人讲的话。

    虽然从第一次买彩票到现在已经有2年了,说实话,我不是什么铁杆彩民,不像他们买起来都是一期不落的,估计这两年来我买彩票不会超过10次吧,到现在我连游戏规则都还没搞清楚。作为一名身受比丘大戒的出家人,不能以自我防卫为由而去损害他人,也不应为苟且偷生而行欺诈骗术。

  如果没有对自己国家国情的基本了解,没有对自己和全球在力量对比上的一个准确把握,是不可能产生这种危急感和紧迫感的。尤志东:难道还活着?印能法师:难说。

不过有些时候,一个无意的行为却可能让你直接中得大奖,比如:打错票,却中了头奖~其实这种不小心打错票的事情真不少,这里我们给给大家找几条打错票却仍然中了几百万乃至上千万头奖的新闻。

  其实,率真不虚伪并不等于粗鲁不文,可惜的是,许多人将之混淆。

  这些学者也多成为其后50年佛学界的领袖或俊才英杰。经李先生热情帮助,我们于11月2日抵沪,3日下午就由李先生公司派专车送我们抵达吴江市太湖大学堂。

  学者渐敬信之。

  他发动了一系列统一南亚次大陆的战争,曾征服过湿婆国等,规模最大的一次是公元前261年远征孟加拉沿海的羯陵伽国的战争。可能我们这些道友有些深入学佛法的,他就明白了,多生累劫的事情。

  于是,又在旧塔之西,又新造了一个塔安放佛舍利。

  11K影院学者渐敬信之。

  杨仁山居士1911年逝世后,欧阳渐受嘱主持金陵刻经处。社会上但凡能做出一定功绩,有一定影响力的人士,你仔细去观察,他一定是有定作为一个基础和保障的。

  我的异常网

  涉嫌捏造传播同事不雅视频 广州两员工被刑拘

 
责编:
注册

涉嫌捏造传播同事不雅视频 广州两员工被刑拘

我的异常网 但是比1956年还早十年的1946年2月,我就开始学习古琴。


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.zhenmeiwi.com 

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