经典卷积网络 主讲人：龙良曲 ImageNet LeNet-5 ▪ 99.2% acc. ▪ 5/6 layers LeNet5 Demo AlexNet ▪ GTX 580 ▪ 3GBx2 ▪ 11x11 ▪ 8 layers VGG ▪ 3x3 ▪ 1x1 ▪ 11-19 layers 1x1 Convolution ▪ less computation ▪

经典算法与深度学习 在外卖物流调度中的应用 SPEAKER / 徐明泉 百度外卖首席架构师 引言：外卖配送的背后 2 引言：外卖订单调度系统要考虑的因素 3 订单相关 骑士相关 • 商户、用户位置 • 用户期望时间 • 预计出餐时间.. • 现有订单的配送路线 • 新增订单后配送路线的改变情况 • 历史取送餐速度 • 完成每个订单的预计时间 • 熟悉的区域 • 配送工具

大纲 Java Web 应用的开发演化 经典 MVC 框架 - Struts 2 本节习题 Java 应用与开发 MVC 和框架初步 王晓东 wangxiaodong@ouc.edu.cn 中国海洋大学 December 17, 2018 大纲 Java Web 应用的开发演化 经典 MVC 框架 - Struts 2 本节习题 学习目标 1. 理解 MVC 设计模式的概念与特点，初步认识框架产生的基 础。 2. 了解经典的 MVC 框架——Struts 2，学会使用 Eclipse 入 手编写一个 Struts 2 Web 应用。 3. 通过 Struts 2 的经典 MVC 框架设计和业务代码开发过程， 进一步思考、理解框架。 大纲 Java Web 应用的开发演化 经典 MVC 框架 - Struts 2 本节习题 大纲 Java Web 应用的开发演化 经典 MVC 框架 - Java Web 应用的开发演化 经典 MVC 框架 - Struts 2 本节习题 接下来⋯ Java Web 应用的开发演化 经典 MVC 框架 - Struts 2 为 Web 应用增加 Struts 2 支持 在 Eclipse 中使用 Struts 2 Struts 2 的开发步骤小结 本节习题 大纲 Java Web 应用的开发演化 经典 MVC 框架 - Struts 2

1 =0+1 Only calculate one sequence at one time Calculate the 2N sequences simultaneously 经典计算机的量子物理极限：《摩尔定律》的失效 算力代表着未来 《摩尔定律》失效 表明未来算力依赖 于量子领域的探索 摩尔定律： 集成电路上的晶体管数目 每隔18个月翻倍，性能也会 翻倍 一般业界认为量子 Grover Suzuki- Trotter HHL 关键技术 硬件调控 量子+经典计算混合架构、量子调控 容错量子门、拓扑量子门 预计成熟期 ～3 年 ～5 年 ～10 年？ 基于硬件的量子调控 量子-经典混合计算 随着量子工艺和调控技术的进步，“可用”量子 比特数在短期内将达到50-100个，量子-经典混 合计算是发挥其应用潜力的最重要途径之一！ 华为量子计算云服务2.0，功能和性能全面大幅提升 量子应用 量子算法库 量子编程框架 量子控制 量子芯片 模拟器 化学模拟 组合优化 人工智能 模拟算法 优化算法 学习算法 编程语言 编译器 资源管理 资源调度 量子纠错 控制脉冲 量子-经典接口 超导 离子阱 金刚石色心 HiQ 1.0 展开 HiQ 2.0 展开 HiQ 2.0 量子化学 量子调控 编程框架 线路模拟 新增 HiQ Pulse 新增 HiQ Fermion

深度学习-深度卷积神经网络 黄海广 副教授 2 01 经典网络 02 深度残差网络 04 卷积神经网络使用技巧 本章目录 03 其它现代网络 3 01 经典网络 1.经典网络 02 深度残差网络 03 其它现代网络 04 卷积神经网络使用技巧 4 经典网络-LeNet-5 • LeNet 分为两个部分组成： • 卷积层块：由两个卷积层块组成; 激活函数改为更简单的 ReLU 激活函数。 LeNet (左)， AlexNet (右) AlexNet 9 AlexNet 10 VGG16 VGG16 11 VGG16 12 01 经典网络 2.深度残差网络 02 深度残差网络 03 其它现代网络 04 卷积神经网络使用技巧 13 2.深度残差网络 梯度消失和梯度爆炸问题 14 2.深度残差网络 Previous input x F(x) y=F(x)+x x identity + 15 2.深度残差网络 ResNets使用了许多same卷积 R1 R2 R3 16 01 经典网络 3.其它现代网络 02 深度残差网络 03 其它现代网络 04 卷积神经网络使用技巧 17 3.谷歌Inception网络 1×1 卷积（Network in Network）

样和之前作为核函数参数是一样的，不过 是作为 Func 结构体统一传入了。 如何捕获外部变量？ • 或者在 [] 里这样直接写自定义捕获的表达 式也是可以的，这样就可以用同一变量名 。 第 5 章：数学运算 经典案例，并行地求 sin 值 • 就让我们在 GPU 上并行地计算从 sin(0) 到 sin(65535) 的值，并填入到数组 arr 中。 • 这里为什么用 sinf 而不是 sin ？ 章：原子操作 经典案例：数组求和 • 如何并行地对数组进行求和操作？ • 首先让我们试着用串行的思路来解题。 • 因为 __global__ 函数不能返回值，只能 通过指针。因此我们先分配一个大小为 1 的 sum 数组，其中 sum[0] 用来返回数 组的和。这样我们同步之后就可以通过 sum[0] 看到求和的结果了。 • 可是算出来的结果却明显不对，为什么？ 经典案例：数组求和 拆分成四步： • 读取 sum[0] 到寄存器 A • 读取 arr[i] 到寄存器 B • 让寄存器 A 的值加上寄存器 B 的值 • 写回寄存器 A 到 sum[0] • 这样有什么问题呢？ 经典案例：数组求和 • 假如有两个线程分别在 i=0 和 i=1 ，同时执行： • 线程 0 ：读取 sum[0] 到寄存器 A （ A=0 ） • 线程 1 ：读取 sum[0] 到寄存器 A （

参考文献 第 5 章 PyTorch 进阶 5.1 合并与分割 5.2 数据统计 5.3 张量比较 5.4 填充与复制 5.5 数据限幅 5.6 高级操作 5.7 经典数据集加载 5.8 MNIST 测试实战 5.9 参考文献 第 6 章 神经网络 6.1 感知机 6.2 全连接层 6.3 神经网络 6.4 激活函数 6.5 输出层设计 卷积层实现 10.4 LeNet-5 实战 10.5 表示学习 10.6 梯度传播 10.7 池化层 10.8 BatchNorm 层 预览版202112 10.9 经典卷积网络 10.10 CIFAR10 与 VGG13 实战 10.11 卷积层变种 10.12 深度残差网络 10.13 DenseNet 10.14 CIFAR10 与 ResNet18 Classification) 是常见的分类问题。神经网络的输入为图片数据，输出 值为当前样本属于每个类别的概率分布。通常选取概率值最大的类别作为样本的预测类 别。图片识别是最早成功应用深度学习的任务之一，经典的网络模型有 VGG 系列、 ResNet 系列、EfficientNet 系列等。 目标检测(Object Detection) 是指通过算法自动检测出图片中常见物体的大致位置，通 常用边界框(Bounding

化结果。然后，不能用普通迭代搜索，必须把这个问题结构特性挖掘出来，做基于知 识的定制化搜索。 说起来容易，具体要怎么做呢？我们认为，最重要的是看待这个问题的视角。这里 的路径规划问题，对应的经典问题模型，是开环 TSP 问题，或是开环 VRP 的变种 么？可以是，也可以不是。我们做了一个有意思的建模转换，把它看作流水线调度问 题：每个订单可以认为是 job；一个订单的两个任务取餐和送餐，可以认为是一个 每一单承诺的送达时间，包括预订单和即时单，可以映射到流水线调度问题中的提前 和拖期惩罚上。 算法应用效果 做了这样的建模转换之后，流水线调度问题就有大量的启发式算法可以借鉴。我们把 一个经典的基于问题特征的启发式算法做了适当适配和改进，可以得到非常好的效 果。相比于之前的算法，耗时下降 70%，优化效果不错。因为这是一个确定性算法， 所以运行多少次的结果都一样。我们的算法运行一次，跟其它算法运行 据有各自的优势。 图作为一种非欧式空间结构数据，其邻居结点个数可变且无序，直接设计卷积核是困 难的。谱域方法通过图拉普拉斯矩阵的谱分解，在图上进行傅立叶变换得到图卷积函 数。GCN 作为谱域的经典方法，公式如下所示，其中 D 是对角矩阵，每个对角元素 为对应结点的度，A 是图的邻接矩阵，它通过给每个结点加入自环来使得卷积函数可 以获取自身结点信息，图中的 A 帽和 D 帽矩阵即是加自环后的结果，并在傅立叶变

除去文案、 文案颜色这些基本信息之外，我们也可以按城市、平台、进行过滤（不周的城市对应的文案可能不一样，如上海 为“下午茶”，北京因为嘉年华活动可以改成“嘉年华”）。 上面这个运营场景算是非常经典、复杂的一个运营场景了，如果这个问题解决了，其他问题自然就会迎刃 而解。 5.2 技术分析 5.2 技术分析 我们做一下进一步的技术分析： APPKIT打造稳定、灵活、高效的运营配置平台 - ode和 Content里的有哪些字段（标题、副标题、图片、跳转链接），这些都是JSON化的存储格式，可以满足 任意字段的扩展。 5.4 模型的应用与小结 5.4 模型的应用与小结 通过以上经典实例，我们可以很容易通过我们的数据模型解决这个问题。我们再回到文章最开头的背景章 节的运营场景，Banner位，如下： APPKIT打造稳定、灵活、高效的运营配置平台 - 美团技术团队 这种B 这种Banner位，套用我们上的数据模型，它其实是一种只有一个Node节点、多个Content节点的模型。 这也是一种典型的应用场景，为此我们总结了两种应用场景。 其实，大部运营场景都可以套用以上两种经典的运营组合。 六、运营流程化 六、运营流程化 将运营资源的管理进行流程化，具有以下几个好处： 1. 资源上线前可进行严格的审核。 2. 出问题时可快速回滚。 3. 记录用户的（上线）操作历史。

. . 296 24.1.6 框架 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298 24.2 经典 MVC 框架 - Struts 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 298 24.2.1 为 Web 应用增加 Struts 决方案。设计模式（Design Pattern）在面向对象分析设计和软件开发中占有重要地位。好的设计模式可以使我们 更加方便的重用已有的成功设计和体系结构，极大的提高代码的重用性和可维护性。 经典设计模式分类主要分为以下三大类： 创建型模式 涉及对象的实例化，特点是不让用户代码依赖于对象的创建或排列方式， 避免用户直接使用 new 创建对象。 工厂方法模式、抽象工厂方法模式、生成器模式、原型模式和单例模式 生产者消费者模型（如图14.2）就是在一个系统中存在生产者和消费者两种角色， 他们之间通过内存缓冲区进行通信，生产者生产消费者需要的资料，消费者把资料做 成产品。 . O 生产者消费者问题是线程模型中的经典问题 • 生产者和消费者在同一时间段内共用同一存储空间，生产者向空间里生产数据， 而消费者取走数据。 . . . . . . . . . . . . . . . . . . . . . . .