1前言ElasticSearch是一个实时的分布式搜索与分析引擎，常用于大量非结构化数据的存储和快速检索场景，具有很强的扩展性。纵使其有诸多优点，在搜索领域远超关系型数据库，但依然存在与关系型数据库同样的深度分页问题，本文就此问题做一个实践性

谷歌大脑的五位深度学习大佬在“ChineseNewYear”期间合作推出了《深度学习调参手册(https://github.com/googleresearch/tuning_playbooksettingupexperimenttracking)》，来为各位深度学习爱好者恭贺新年（我猜的），一时间好评如潮，获星过万，看来大家都是苦调参久已。难道依靠经验的调参变得“可解释”了？显然不是，而是大佬们分享自己的调参经验，内容还是挺多的，下面咱们去粗取精，希望能够获得飞升。

作者：陈戊超（仲卓），阿里巴巴技术专家深度学习技术在当代社会发挥的作用越来越大。目前深度学习被广泛应用于个性化推荐、商品搜索、人脸识别、机器翻译、自动驾驶等多个领域，此外还在向社会各个领域迅速渗透。背景当前，深度学习的应用越来越多样化，随之涌现出诸多优秀的计算框架。其中TensorFlow，PyTorch，MXNeT作为广泛使用

1.【MIT】内存计算显著降低，平均7倍实测加速，MIT提出高效、硬件友好的三维深度学习方法https://www.jiqizhixin.com/articles/2019121092.【谷歌】ARCore推出一项新功能，仅用单目相机就可获取深度图像https://www.leiphone.com/news/201912/nmjp

摘要：诸多关于人工智能的流行词汇萦绕在我们耳边，比如深度学习(DeepLearning)、强化学习(ReinforcementLearning)、迁移学习(TransferLearning)，不少人对这些高频词汇的含义及其背后的关系感到困惑，今天就为大家理清它们之间的关系和区别。一.深度学习：

前言训练时读入的是.mat格式的训练集，测试正确率时用的是png格式的图片代码!/usr/bin/envpython3codingutf8importmathimportsysimportosimportnumpyasnpfromPIL

unity使用深度优先搜索生成迷宫之二之前写过一篇使用深度优先搜索生成随机迷宫的文章https://www.cnblogs.com/JinTHwang/p/9599913.html(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Fwww.cnblogs.com%2FJinT

HTAP（HybridTransactional/AnalyticalProcessing）是近些年需求不断受到关注的技术名词，它描述了一个数据库能够同时满足交易以及分析两种作业。TiDB4.0是一个针对HTAP进行了特别的设计和架构强化，这次给大家带来一篇VLDB2020HTAP主题的论文解读，比较特殊的是这篇论文是PingCA

前言在了解深度学习框架之前，我们需要自己去理解甚至去实现一个网络学习和调参的过程，进而理解深度学习的机理；为此，博主这里提供了一个自己编写的一个例子，带领大家理解一下网络学习的正向传播和反向传播的过程；除此之外，为了实现batch读取，我还设计并提供了一个简单的DataLoader类去模拟深度学习中数据迭代器的取样；并且