算法炼丹
❶ 秦九韵算法
秦九韵算法
长期以来，西方学者囿于欧洲中心论，多少认为亚洲文明没有产生可以称之为科学的东西，于是连许多中国学者也言必称希腊。不错，现指科学，即对自然科学进行数学假设，再用系统的实验加以验证的体系的确倔起于近代西方。但并不能由此断定中国不曾有科学，因为西方近代科学并不能与科学划等号，科学的真实内涵尚属当代科学哲学争论的焦点呢。退一步说，就是以西方科学为参考系，英国着名学者李约瑟也对一向忽视古代中国科技发明对世界的贡献的倾向提出了有力的反驳。经他的研究，象四大发明之类的科技发明可以一口气列出一大串；而这一串串珍珠镶嵌在中国古代文明的壮丽画面上，不断闪耀出中国人智慧的光芒。
自从进入农业文明以来，中国一直以农为本，农业向称发达，而水利乃农业之命脉，水利工程方面也是成就斐然。中国是世界上最早和最大的栽培植物起源中心之一，在世界666种栽培植物中有136种是中国先民培育成功的。黄河中下游是最先跨入农业文明的地区之一，早在春秋时期推广了畜耕，战国时期普通使用铁制农具。人口的密集使人们更加注意改进农业生产技术以提高单位面积产量，由此开始了我国农业精耕细作的优良传统。施动物肥早已有之，以腐烂的杂草为肥至迟到汉代就有了。种植绿肥更是我国古代的一大发明，公元六世纪北魏贾思勰所着《齐民要求》中对此即有详细论述，而在西欧，种植绿肥是十八世纪三十年代以后的事了。另外，我国古代的农具也相当先进。东汉时期发明的龙骨水车是一种灌溉机械，一直使用了近两千年。鉴于我国的地理和气候条件，灌溉和蓄水工程有着特殊重大的意义，世界上大概没有哪个国家有中国这么多关于治水英雄的传说。约成于公元前三世纪中期的都江堰，规划设计达到了很高的水平，又有一套科学的维修和管理制度，历时两千多年，至今仍发挥效益，这在世界水利史上堪称奇迹。出于航运的需要同时兼顾农业灌溉，春秋战国时期我国人民就已在江淮地区开凿了一批运河，如邗沟、鸿沟等。秦代开凿的灵渠沟通了长江和珠江两大水系，设计布局部很合理。于隋代(610年)建成的京杭大运河全长五千里，贯通五省区，整个工程只用了六年多的时间在这样短的时间内完成如此宏大的工程不能不说是惊人之举。据估计，中国的水利工程是在19世纪甚至20世纪才落后于西方的。
取代早期封建制而起的是亚细亚式官僚制度，其源起可归因于庞大的水利工程建设。因为兴建水利工程时要对征调的千百万人实行管辖，更重要的是兴修水利往往要超出封建诸侯的疆界。因而国家统一是大趋势，中央集权也势在必行。为强化中央集权统治，重要的生产部门必须受官僚机构控制，奉行重农抑商政策是中国社会由来己久的特点。因为唯有盐铁是从原始工业中心向四面八方扩散的，最便于控制和实行“国有化”，所以早在公元前400年就有人建议将盐铁收归国有，终于在公元前119年实施成功，而西汉官僚统治初期的政绩之一便是盐铁官营。
铁是近代工业文明的第一个基础，而在公元1380年以前，铸铁在西方十分罕见，可能偶而为罗马人制得。但在中国则早在公元前四世纪已在大规模生产铸铁了，到公元一世纪中国人已是铸铁大师，欧洲人相比之下落后1500年。目前世界上已发现的最早的钢制品也是在我国，湖南长沙出土的一把钢剑是春秋晚期制成的。大约在西汉后期发明了一种把生铁炒成钢的炒钢技术，钢的产量因此大增，欧洲人直到十八世纪才掌握这种技术。为使生、熟铁含碳量均匀化，还发明了“杂柔生熟”的灌钢技术，公元550年前后制造的“宿铁刀”就是灌钢所制。其他诸如固体渗碳钢技术和淬火技术等，均显示出中国在钢铁冶炼技术方面长期处于遥遥领先的地位。与冶炼钢铁相关的是鼓风机的发明。公元31年杜诗的水排是最早的水力鼓风机。大约在1200年发明了一种把曲拐(偏心连杆)与活塞结合起来的鼓风风箱，并用于冶炼技术中。这种中国式风箱在形式上与往复式蒸汽机相当，只是以相反的方式工作，被认为是瓦特蒸汽机的直系祖先。我国在西汉时期已经用煤，早在战国时期四川地区就开凿盐井取卤煮盐，至迟在东汉时期就开凿天然气井利用天然气煮盐。关于石油的最早记载见于《汉书》，最早的石油井见载于《大元大一统志》(1303年)，而西方第一口油井是美国人于1859年凿成的20多米深的大口井，我们的祖先则最早掌握小口深井钻凿技术，到鸦片战争时期深度已超过一千米。
万里长城的修建正是为了保护农业文明免遭游牧民族的侵袭。远在战国时，各诸侯国为保卫各自的领土已分别筑起了许多城墙。秦始皇统一中国后，把原来的城墙加以连接和改造，形成了东起辽东，西达甘肃的万里长城。现今保存的主要是明代的城墙。1969年阿波罗宇宙飞船首次登月，宇航员明显可见的地球上的人造工程只有两种，其一便是中国的万里长城。除万里长城外，我国古代还有许多建筑奇观。北魏建成的河南登封嵩岳寺塔是我国现存最早的砖塔，塔高39.5米，共l5层，曾经多次地震至今完好；建于辽代的山西应县佛宫寺释迦塔高67.3米，9层，为现存世界上最大的古代木构建筑，亦经多次地震而无损。这些建筑物对研究现代房屋抗震问题有很大参考价值。在桥梁建筑方面，河北赵县的安济桥(俗称赵州桥)弛名中外。这座大石桥为单孔敞肩结构，圆孔净跨37.02米，桥拱跨度之大为当时石桥所仅见，敞肩结构更是匠心独运。这是由隋代李春设计，于大业年间(605—618)建设的，至今已有一千二百多年，仍屹立于校河之上。而欧洲约于l340年始建第一座拱桥——法国泰克河上的赛雷桥，比赵州桥整整晚了700多年。
我国的造船技术也是长期处于世界领先地位。在ll80年前后欧洲人才知道并应用船舵，而我国早在纪元开始时已有此物。在福建泉州湾发现了一艘宋代海船残骸，这船长约53米，船上设有13个水密隔舱。水密隔舱的作用在于万一部分船舱受损而进水时不致于全船覆没。欧洲的船只到十八世纪才开始有水密隔舱的。自宋代以后指南针用于航海，我国古代的远航事业更是遥遥领先。明初郑和七下西洋，远达非洲东海岸，堪称历史壮举。他率领的船队中的船型多为“宝船”，长约150米，张帆9—12面，是当时世界上最大的船只。当时绘制的航海图早已蜚声中外，在海外交通史和航海技术史研究上具有重大价值。
发明指南针的先声是对磁现象的认识。在西方，英国人尼坎姆于ll90年首次提到磁极性和磁感应现象，知道地磁偏角存在是十五世纪的事。而在中国，汉代王充在《论衡》中所载的“司南勺”可能是最早的磁性指示方向器。到了宋代，《武经总要》载有一种“指南鱼”，是以薄铁片剪成，用火烧红后按一定方向和倾角蘸水冷却制成的，使用时令其平飘水上即可指示方向。这是人工磁化的最早记载，其制作方法还表明当时已利用地磁倾角了。稍后的《梦溪笔谈》又记载了以磁石磨针而制成的指南针，作者沈括还记述了指南针的四种装置方法并讨论其优劣，他还最早记载了地磁偏角。朱阈于1113年在《萍洲可谈》中首次提到指南针在航海上的应用。
与航海交通有关的是地理知识。我国古代的地理学源远流长。北魏郦道元所着《水经注》，以我国境内1252条河流为纲，综述各地水文、地貌、土壤、植被、物产和城镇建制等，是一部着名的综合性地理巨着。东晋法显和唐僧玄奘西游归国后分别着有《佛国记》和《大唐西域记》，为研究这些地区历史地理的重要着作。明代徐宏祖所着《徐霞客游记》更是一部地学名着，其中对西南、中南地区石灰石溶蚀地的考察比欧洲同类考察早130年，对石灰岩地貌分类比欧洲早200多年。在地图绘制方面，西晋裴秀提出制图的基本原则——“制图六体”，为我国古代地图学奠定了理论基础；他与京相蟠联合绘制的《禹贡地域图》是见于记载的最早的地图集。北宋沈括曾以面糊、木屑和蜡油制成一幅立体地图，这是世界上最早的立体地图。清康熙曾组织了一次规模空前的大地测量(1708—1718年间)，据此绘成的《皇舆全览图》是当时世界上最好的地图。测量还发现了纬度越高的地方子午线每度越长的事实，成了地球为扁椭球形的最早实测证据。比这次大地测量更为人熟知的是唐代张遂(僧一行)于725年首次测得子午线一度长度，而外国最早实测子午线是在814年。
这种大规模的科学研究与中国的皇权政治有密切关系。皇帝通过科举制度招揽知识分子充实他的官僚队伍，因而就存在着“正统的”科学和“非正统”的科学之分，前者通常有财力和人才方面的便利。造纸术的发明便是劳动人民的发明创造与封建官僚的归纳总结相结合的典型。在植物纤维纸发明以前，我国使用甲骨、竹简等作文书工具。现已发现的最早的纸是在西安等地出土的，年代约为公元前二至公元前一世纪。这些纸以大麻和苎麻纤维制成，质地还较粗糙，不便书写。东汉蔡伦是主管宫廷作坊的小官，他总结经验，深入实践，于105年发明了质量较好的纸，以树皮、破布、废麻为原料，成本也大为降低。至东汉末年，造纸业已形成一门独立的手工业。纸得到广泛应用之后，印刷术的发明乃大势所趋。雕版印刷术一般认为是隋唐之际发明的。目前所见的明确标有年代的最早印刷品是868年刻印的《金刚经》，宽1尺，长6尺，用7张纸粘成，除印文字外述有图画，印刷已相当精美。唐代中期的长安和成都等地印书业相当兴盛，主要印农书、医书和字帖等。欧洲人最早看到的印刷物是蒙古人侵入欧洲时所带的纸巾和纸牌。现存欧洲最早的印刷品出版于1423年，那已是《金刚经》之后555年的事了。宋代以后印刷术有进一步的发展。沈括在《梦溪笔谈》中详细记载了毕升发明泥制活字印刷的事迹。元代王祯《农书》中附载有一篇《造木活字印书法》，详载了制造木活字和利用木活字排版印刷的方法，是世界上最早的活字印刷术专着。欧洲最早用活字印刷的是德国人谷登堡，他于1450制成铅合金活字，印刷出版了《二十四行圣经》等书。造纸术和印刷术的发明对传播中华文明、提高民族素质有重大意义，而四大发明在欧洲社会中所起的革命性作用也是众所周知的。
天文学被列为官方正统科学。因为统治者对授时特别关拄，历政是国家政策，每个朝代都设有天文官，司天监是内府机构不可缺少的部分，采用皇帝颁布的历法就是臣服的标志，根本不允许民间私修天文。由此积累了世界上最丰富的连续的古代天象观察材料，这些材料已成为现代天文学界十分珍视的宝贵遗产。早在公元前1361年就有日食记录，自春秋至清初，日食记录约有1000次，月食记录约有900次，有581项慧星记载，公元前467年首次记有哈雷慧星。自公元前28年以来系统地记录了太阳黑子现象，比欧洲早了1500年。公元前1400年至公元1600年间，中国有90次超新星记录，其中宋代记录到的1054年金牛座超新星爆炸的资料对现代射电天文学研究有重要参考价值。世界上最早的星表也出现在我国。公元前四世纪石申、甘德的《星经》比西方的伊巴谷同类作品早三百多年，而其中星数比《天文大成》中的多三分之一。敦煌石窟中发现的约公元八世纪的星图是现存最早的，载星1350颗。而国外现存星图没有早于十四世纪的，在十七世纪前也没有一幅星图载星超过1100颗。我国古代历法之多居世界首位，前后共有105种。二十四节气为我国所独有，是为农业生产掌握时令而创的，大约在战国时期即已完备。出现于战国时期的“古四分历”即定一回归年为365.25日，与今测值只差11分14.53秒。南宋时期的“统天历”(1199年)的数据为365.2425日，与罗马教皇十三世在1528年颁行的现今世界通行的格里高历所用数值相同。浑仪是我国古代天文观测的主要仪器，大约出现于战国时期。东汉张衡除了创制了世界上第一台地动仪之外，他还创制了“水运浑天仪”，这也是世界上最早的机械计时器。元代郭守敬是赤道式天文装置——简仪的创始人，简仪是改进后的浑仪，它的赤道装置中的支架结构与近代天文望远镜普遍采用的天图式装置基本相同，而这种装置在欧洲十八世纪才开始采用。中国人还利用机械装置使浑仪自动旋转，与天空每晚视运动同步进行，这就要求有机械钟的发明。李约瑟指出：近代科学革命的关键仪器就是时钟，而其灵魂则是擒纵装置，过去认为它是十四世纪欧洲人的发明，但实际上早在723年已由中国的僧一行制出。l090年苏颂在开封研制的水运仪象台，合浑仪和浑象为一体，既可用于天文观测又可与以水力运转的浑象核对，还能自动报时。其中巧妙的擒纵器使报时机构作等时间间歇运动，实为最早的机械钟。
天文历法的进步以数学为基础。中国古代数学主要是代数学成就很大。公元前一世纪的《周髀算经》是我国最早的天文数学着作，其中已有勾股定理和比较复杂的分数运算。约成书于公元一世纪的《九章算术》是我国第一部最重要的数学专着，其中所述的分数四则运算、比例算法等都是当时世界最高水平的工作，关于负数的概念和正负数加减法则的记载是世界上最早的。三国时刘徽为《九章算术》作了详注，用出入相补原理证明勾股定理，用无穷分割法证明方锥体的体积公式，用圆内内接正多边形面积无限接近圆面积的方法算得圆周率为π＝3927/l250＝3.1416。此后南朝的祖冲之继续研究圆周率，得出3.1415926＜π＜3.1415927，并以355/113为圆周率的“密率”，比德国奥托取得该值早1100多年。他还精于历法，创大明历(462年)时定一交点月为27.2l223日，今测值为27.2l222日，已准确到十万分之一日了。宋元时期我国古代数学发展达到高潮。北宋贾宪提出了求任意次幂正根的增乘开方法，还列出了指数为正整数的二项式定理系数表，这两项成果早于欧洲人六、七百年。南宋秦九韵在《数学九章》(1247年)中推广了增乘开方法，他提出的高次方程数值解法与西方的霍纳法一致，却早于霍纳572年。南宋杨辉于l261年发表了用简单数字叠成的三角形图，在欧洲是1654年由帕斯卡发明的，后世称为帕斯卡三角形，却比杨辉的成果晚约四百年。宋元时期在内插法的研究上也取得了很大进展，这是在计算历法时必须解决的一个重要问题。元代王恂和郭守敬在制定授时历(1280年)时解决了三次内插的问题，朱世杰则得出了高次差的内插公式，这比欧洲人早了三百多年。以《九章算术》为代表的中国古代传统数学，由于它机械化的思维方式与算法形式的具体成果，从思想上与方法上正好切合于计算机出现后的时代要求，对于未来数学的发展将起巨大的指导与推动作用，应不惜痛下功夫挖掘研究。实际上，继承中国传统科学的精髓不啻为当代科学的一种新思路。中医学也算正统科学，但与西医的融合至今未达到，在百川归海的总趋势中应该努力发掘中国传统科学这个宝藏。
先秦本是诸子百家争鸣的局面，中国文化中也曾出现过跟西方科学相一致的因素，诸如墨家对力学、光学和逻辑学的贡献。然而这些“非正统”科学终也没能在中国文化中扎下根，尤其在“罢黜百家、独尊儒术”之后更趋于湮没无闻。唯一的例外应该说是道家学派。原因是多方面的，如政治上的支持等，但其根基则扎在小农自然经济的土壤中。炼丹术士的最大成果就是歪打正着，炼出了足以摧毁欧洲封建堡垒、骑土团的盔甲和奴隶多浆船的火药。西方在十三世纪以前还不知道硝石为何物，而中国早在850年的《真元妙道要略》中就记载了用硝石、硫黄和木炭制成火药混合物。此后不久，火药就用到了兵器上。史料记载，公元970年和1000年都曾有人制成了火球、火蒺藜等火药武器。1044年的《武经总要》提出了不同用途的火药配方及其制作方法。早期的火药武器都还是以弹射或抛掷的方式投出，然后利用火药爆炸燃烧以杀伤敌人，但1259年发明的突火枪则是以火药的爆炸力射出“子窠”的管状火器，这是现代枪炮的发端。明代以后火药兵器更有大发展，手榴弹、地雷、水雷、定时炸弹、子母炮等都出现了，以火药作为推进动力运送火药至敌方爆炸的火箭也出现了，并有单级、二级、往复火箭等多种类型。根据李约瑟的研究，导致火药发现的炼丹术是在中国起源的，而魏伯阳的《周易参同契》(142年)是世界上最早的炼丹术着作。晋代葛洪所着《抱朴子》(300年)提到用锡、矾、寒监制造二硫化锡，而欧洲直到十四世纪才初次提到此物。作为生理炼丹的副产品，早在十一世纪就已开始从人尿中提炼激素作药物，而西方直到1927年才由阿什海姆和宗德克从尿中获得性激素；更有甚者，在提炼人尿中的类固醇激素时，竟然采用了皂素沉淀的方法，而这种方法在西方到19l5年才由温道斯发明，完全是现代化的方法。
众所周知，近代科学在欧洲兴起，使西方走到了中国前面。但“我们必须记住，在早些时候，在中世纪时代，中国在几乎所有的科学技术领域内，从制图学到化学炸药都遥遥领先于西方”。“我们每个人在我们的历史中也有我们骄傲和自卑的理由。我们不必为过去而过多地烦恼。我们需要了解过去并揭示其与未来的关系”。(《李约瑟文集》)近百年来，中国人民前仆后继英勇奋斗，终于悟出了一个真理：只有社会主义才能救中国。在中国共产党的领导下，一个社会主义中国已经屹立在世界的东方。也只有坚定走具有中国特色的社会主义道路才可能实现中国科学的大翻身，当代中国科学技术的辉煌成就是最好的佐证。人工合成结晶胰岛素问世，原子弹氢弹相继爆炸，人造地球卫星发射上天及回收，杨乐、张广厚首创函数分布论研究中两个主要概念——“亏值”和“奇异方向”之间的有机联系，陈景润对“哥德巴赫猜想”研究的突破，修瑞娟微血管循环理论的建立，“中国环流器一号”和正负电子对撞机加速器实验室相继奠基并投入使用，以及北京大学、中国科学院所属研究单位在超导研究方面取得的突出成债，都是名列世界前茅，受到国内外交口称赞。在世界上以中国人姓氏命名的现代科技成果也是令人瞻目的，诸如华(罗庚)王(元)方法，陈(景润)氏定理，熊(庆来)无穷极，侯(德榜)制减法、吴(仲华)氏通用理论等，都是举世公认的科研成果。伟大的中华民族必将以自己坚毅的意志和无比的气概，甩掉三四百年来的落后帽子，又一次迅速赶上和超过世界科学技术的先进水平，创造出更加光辉的业绩。
❷ 北魏着名的天师寇谦，为何没有人祭拜他呢
寇谦之是我国着名的道教天师，生于北魏年间，是我道教历史上着名的改革家，其在当时的影响力可见一般，但是，就是这样以为着名的天师，却为何没有人祭拜他呢？因为寇谦之的道教改革掀起了一场规模浩大的灭佛运动，从而无数僧人百姓都遭遇不幸，而他自己又后继无人，除他之外再无惊才绝艳之人，所以后世无人祭拜。
3、改革被政治利用，灭佛使得改革变味
拓跋焘在道教改革之后，开始利用道教来打击佛教在民众心中的地位，并且利用道教来统治国家，所有的佛教都是虚伪荒诞并且称之为妖孽。所有人都禁止供奉佛教，禁止供养僧人，一旦被发现，便要诛灭全门。并且下诏书：所有寺庙、佛像、全部毁坏、焚烧；凡是有祭拜及制造佛像的，满门抄斩，僧人无论老幼均活埋。寇谦之身为当时的道教掌门，认为世界应当是多元化，共存的。灭佛会引起社会的激烈反弹，但是，当时的拓跋焘与崔浩却置若罔闻。仍旧施行暴政，并为寇谦之修建“静轮天宫”，妄图通过登上天宫与天神交流，但是工程太过浩大，天宫修建18年仍旧未修建完成，由于花费巨大而遭受到了太子及多位大臣的极力反对。寇谦之此时已至垂暮，却后继无人，在灭佛的三年后，寇谦之离世，想念83岁。
由于灭佛活动推行，无数无辜僧人与百姓因此丧命，而寇谦之的弟子又都碌碌无为，在他死后，人民的愤怒达到顶点，所以在后世很少会有人去祭拜他。
❸ 秦始皇嬴政，身体那么棒，为何年仅50岁就死了
谈到中国的封建社会，就不得不谈到一个人，秦始皇嬴政。嬴政带领秦国吞并六国，一统天下，建立了中国史上第一个封建王朝——秦。公元前210年，中国封建帝制第一人秦始皇死于东巡途中，享年50，他是怎么死的呢，关于秦始皇的真正死因也是疑云重重。关于嬴政之死，主要有以下几种说法。
劳累过度，积劳成疾《史记》中记载，秦始皇是个勤于政务的皇帝，日批奏折百二十斤，每日巨大的工作量让嬴政的身体素质急剧下降。以至于在秦始皇东巡途中，突然驾崩。
请输入图片描述失去了蒙毅的保护，刺杀秦始皇就容易多了，再加上秦始皇长期服用“长生不老药”导致身体素质下降，刺杀成功的可能性就更大了。秦始皇死后，胡亥继位是为秦二世。长子扶苏被逼自杀，这种种行迹都在证明着秦始皇的死绝不是突然暴毙那么简单，极有可能是胡亥赵高等人的阴谋。
尽管史书没有对秦始皇死因给出解释，但我认为他死于阴谋的可能性更大。
参考资料《史记》
❹ 男朋友算法工程师好么
这周面试了一个候选人，面CV/DL/AI的TechLead。简历很牛逼，做过很多CV的工业项目，涵盖detection, OCR, face recognition, fire/smoke detection等好多项目. 给我们讲了45分钟做得项目，讲得很自信。我挑了一个大项目，我说你在这个项目中的贡献是什么？他说整个项目的所有算法部分都是他实现的。
OK,我开始进行深度学习的技术面。
我先问了两个深度学习的中等难度的问题，他都说不知道。有点冷场，那我赶紧问点简单的吧。我说，深度学习网络，进行分类时有哪些loss?他犹豫了一下，回答: relu.
瞬间把见过大场面的我还有同事都震住了。
面试另外一个人，我说目前我们检测主要用yolo，他反问了一句，怎么不用tensorflow？
......
算法工程师的目标既不是精通各种框架，会调各种包，也不是会发paper就是成功，而是有能力解决实实在在被提出的算法问题。
这里的问题可能来源于业务，也可能来源于长远的战略部署，甚至可能来源于一次大领导的拍脑袋。不管怎么说，个人觉得能独立分析，拆解，建模和解决算法问题的算法工程师就是胜任的，否则再怎么花里胡哨都是差劲的。
从反面回答一下，我碰到什么样的算法工程师会认为他/她是优秀甚至是卓越的大佬，并选择紧紧抱住大腿不松手。
本文很多观点也是来源于不同公司的前辈们讨论过这个问题，这里也感谢大家的指点。总得来说，以下几个特点是我特别留意的，如果碰到了我就会认为这位很厉害：
基础非常扎实。问他/她一些比较经典的算法，能够很清晰地说出算法的特点、适用的场景、坑点、里面的细节等等。
工程能力很强。我是一位“工程狗”，自己的工程能力很菜，但对工程能力强的同学非常崇拜 Orz 如果碰到一位算法工程师的工程能力很强，仅凭这一点，我就认为他/她基本上一定是大佬Orz
重视代码的测试。算法岗的工作并不完全就是调参炼丹，往往也是需要去写一些代码的，例如写些spark/sql代码获得特征，写模型等等。既然是写代码，就可以而且应该在其中加上测试。实际上，根据我的经验，如果碰到某个其他地方好用的模型在自己的场景下效果很差（不reasonable得差），那很可能是数据、特征的处理代码有问题，或者模型的代码有问题。这种问题可以用单元测试（断言等）来提前发现，也可以用一些sanity check来发现。
对场景业务的认识很深刻。软件工程没有银弹， 机器学习也没有银弹。 用什么样的特征、什么样的预估目标、什么样的评价指标、甚至什么样的模型，这些东西都是要与场景业务结合的。换言之，工业届里，业务先于技术。很多大神在这个方面做得尤其出色。
在实际场景中，注重先把整个pipeline搭建起来。个人认为，这一点在实际应用中往往应该是最优先的。搭建起来之后，机器学习系统的上下游也都可以工作，也可以更好地判断系统的瓶颈所在，把好刚用在刀刃上。这其实就与做开发的程序设计一样，较早地抽象出比较好的接口、搭建一个系统原型是很重要的。
能够持续学习新的知识，跟踪最新的成果，对各种模型的motivation有自己的理解，有自己的insight与vision。这里举几个我自己学习过程中碰到的例子来说明一下这点。例如，推荐系统中，在Youtube 16年的推荐paper中，为何step1和step2的优化目标是不一样的？人脸检测中，MTCNN为何要分为多阶段？landmark检测中，3000FPS为何要分为两个阶段？（这些是设计相关的motivation）Google的wide&deep为何在Google store的场景下效果好，而在其他的场景下效果不一定好（这是对场景的motivation理解）？文字检测中，PixelLink为何要引入link？OCR中，CRNN为何要引入一个RNN？机器学习系统中，LightGBM是如何针对xgboost存在的哪些缺点进行改进的？（这些是对改进的motivation理解）我认识的一些大佬们会主动结合文章思考这些问题，有的时候会有与paper所claim的不同的理解（毕竟写paper的story很多时候也不一定靠谱，大家都懂），甚至还会做实验验证自己的理解。然后拿这些问题来考我，在我思考不出来后再告诉我他们的理解与实验结果Orz
做多数实验之前有自己的假设，根据实验结果会根据实验结果做进一步实验，或修正假设、或进一步探究。
自己参与的项目，对其中与自己比较相关的内容的细节比较清楚，自己负责的部分能够了如指掌。
能系统性地分析出机器学习整个系统的瓶颈所在，并提出相应的解决方案。当系统效果不好的时候，知道如何去debug，找到问题所在，改进系统的性能
❺ 梦幻西游八卦炼丹炉金砂丹问题
丹都不能存 都是回收给炉子 金的100W那 你把材料放在那 左下方就会显示最多能练出什么丹 能练多少 连一个金丹好像需要三组二药吧 建议你练的时候死守一个位子 第一次练一个金丹 第二次练两个金丹 第三次练四个 第四次练六个或八个 这样依次类推 如果是前两次就练出来了 就换位子 记住 练不出的时候要死守 不过还是建议你别练了 我曾经很喜欢练 开始赚了15OOW 但是后来全陪进去了 GM不会让咱那么容易就赚钱的 建议你别迷上 偶尔玩下可以
❻ 在古代把数学称为“算术”，在古代数学是一种神奇的术法吗
算数是数学的一个分支，它也是数学的最初的形态，算数包括加减乘除，较为复杂的还有平方根。但是对于古代的数学我们的都称为算术，数学是近代西方传到中国来的，在近代对算术进行了认证，所以数学是一种，算术算是中国的数学。
算术不算是神奇的术法，它只是一种算法的技术，不能说是一种术法，因为我所理解的术法是像古代的人们为了定住僵尸画的符咒这算是一种术法，还有就是可以御剑飞行，，这也算是一种术法。
❼ 程序员炼丹是什么意思
程序员炼丹的意思指的谁结构模型的优化和效率提高。
在程序员里面，尤其是深度学习算法开发人员，所谓的炼丹一般指的是追求模型结构优化和提高编程效率是永远的目标。需要通过计算框架提炼，从而得到一个远小于数据数倍的模型。如果只做代码“搬运工”，不了解神经网络背后的数学原理，很难对项目有深刻全面的理解。
简介：
程序员（英文Programmer）是从事程序开发、程序维护的基层工作人员。一般将程序员分为程序设计人员和程序编码人员，但两者的界限并不非常清楚。
2007年火热的SOA和动态语言各占13%和12%。其实这几大块技术分布他们之间都是有一定的联系的，互联网的发展近两年呈爆炸式的增长态势，中国的网民总数已经超过了1.4亿这样一个巨大的数字。
❽ 1080ti显卡 描述说可吃鸡可炼丹, 这里的炼丹指什么
炼丹应该是指的可以挖矿 可以挖比特币。
gtx1080ti的显卡可以说是家用最强的显卡了，大型游戏全能流畅玩。挖矿也完全没问题。
❾ 现在国内的人脸识别监控达到什么水平了
分几个方面分别的论述一下人脸识别的技术和产业发展的相关状况。
第一，人脸识别技术的价值在哪里。我们把人脸作为一个生物学特征，作为一个商业化运用，只是备选的一个方案之一。生物学当中，唯一的判断的标准，其实识别从精准度的角度和不可替代的角度来讲，最精准的是虹膜，但是虹膜的识别采集成本非常高，识别的效率相对不是很高，需要等待的时间。所以这两个条件约束了整个的产业化运用只能局限在相对小众的，对识别要求极高的军工、国防等安全性非常高的远的投入，不适合大范围的推广。
第二，指纹。我们知道指纹的唯一性比较强，指纹同时采集成本是比较低的，比对成本也不高。但是为什么指纹没有成为一个特别大的可供支付、刷脸可替代的方案呢？实际上主要的原因是因为指纹的可复制性，是一个静态图像之间的比对，现在我们可以看到淘宝也好，各种各样的大量的指纹贴，指纹膜，可复制的特征，不适合支付。所以指纹现在也大致上被pass了。
第 三和第四分别是人脸识别和声音识别技术。这两个在现在横向来相比，采集成本和比对的效率，以及生命特征的唯一性来讲，性价比比较高。所以现阶段来看，人脸识别浮出水面，是有它的道理的，这是它的价值。商业特征的应用场景到底在哪里。
人脸识别的应用场景是非常宽泛的，现在主要两块，一个是金融行业，一个是安保行业。金融行业，已经从马云的蚂蚁金服演示中看到了场景，通过刷脸进行支付，显然刷脸可以付钱了，为什么不可以签收快递呢，下一步淘宝应该会把淘宝签收快递的功能打通。我相信有一天，我们会收到无人机送来的快递，无人机在你的面前拍一张照片，进行对比，就知道这个用户就是需要的用户，完成整个的支付过程。实际上这种场景，是经过多方面的讨论和认证的。基于这样的场景，是跟第三方的支付认证相关的，包括我们看到的腾讯的银行，第一张远程开卡，就是通过人脸识别的技术，把人证合一进行认证，这样远程开户，远程开卡的功能，在我们的券商，在我们的网络银行上面，应该有广泛的应用。
对于安保行业来说，刷脸开门，现阶段，人脸识别的应用应该说达到了一个可具备商业化的水平，我们举个例子，在去年的时候，香港有一个导演叫许鞍华，他在南京地铁中丢了一个他的皮包，这个案件的破获，只花了5个小时。视频监控里面获取了一张照片截图，截到了嫌疑人的照片，是极其模糊的，侧脸的照片，如果肉眼比对，发现不了什么。但是有一家非上市公司，在这里不能提供他的公司名称，他们通过一个图像还原技术，把那个照片还原出可能嫌疑人的样子，清晰照，用这个照片到图库当中比对，锁定嫌疑人的身份，把嫌疑人抓获，只需要了5个小时的时间。现在安防领域的监控，我们可以看到各个省市以及地级市，都在上大量的视频监控，人脸识别的大平台。在整个安防的投入当中，上一代的安防只是静态的记录下来数据，但是下一代的安防，是对实时数据的采集、辨认，就是一个核心的技术，这个技术，人脸识别在其中发挥的作用是很大的。
我 们再拓展一下，未来的商业用途，到底有没有第二代人脸识别技术的潜在的应用的场景呢。我们说在未来，应该说原来整个确定身份的身份证，但是证和人的比对需要人工来完成。如果我们直接界定，达到了这样的一个标准，实际上每个人所对应的唯一的ID就是脸部的生物特征。这个识别了以后，所有的地方都可以用刷脸的方式，所有的地方都可以用刷脸去开门，用刷脸去做各种各样的事情。你刷脸的数据，包括你去坐火车、坐飞机、去哪儿吃饭、购物、收快递等等，这些数据都会掌握到人脸识别中，刷脸的数据将取代现在线上的点击量.
现在信用卡、银行卡消费的数据，其实有助于知道用户消费习惯和消费数据，做大数据的营销和征信，但是刷脸时代来临之后，这个的价值更大了。有很多张卡，但是只有一张脸，这是唯一的。刷脸数据是2.0时代当中，我们重点看到的。
为什么在这个时间段，人脸识别的技术会大范围的爆发出来，大范围的应用起来，成熟度到底怎么样呢？我们首先要界定一下人脸识别技术要达到产品化的应用，是两阶段的过程。第一阶段，需要获取大量的样本数据，这些数据是用于训练的，训练的是学习算法，这个是深度学习算法，把这些数据和相互人之间的关系提取出来，进行一个特别的比对。耦合度高，超过一定的水平之后，我们会认定这两个人是一个人，但是这个模型是需要投入大量的成本，这个成本包括优化的成本，包括数据训练的成本，包括运算的成本，我们当时人脸识别的一个业内的公司，这家公司的创始人，曾经说，人脸识别的技术意味着什么呢？太上老君的炼丹炉，有了这个炉之后，大数据是炉子炼的原料，解决计算能力资源的稀缺。因此这些合在一起，形成了现在人脸识别大爆发的时代，就是我们说的技术上的突破。
但是在产业上面的应用来看，目前我们可以看到，美国和以色列的人脸识别，特别是动态识别的水平是国际领先的。全网的实时监控当中，FBI在去年推出了他们的下一代的电子识别系统，总的投入是超过10亿美金的。在美国将来无论是在什么地方犯了事，监控锁定犯罪嫌疑人，进行全网追捕。
国内是什么水平呢？顶尖的学术水平，就代表着国内产业发展的阶段。目前主要是三种力量，一个是清华大学的苏光大教授，他是中国的人脸识别之父。第二个是中科院的自动化所的李教授，他早年在微软的亚洲研究院当中获得了非常高的成就，后来到了中科院的自动化所，专攻人脸识别。在奥运会当中，以及后来很多的人脸识别的应用当中，提供了比较好的技术。第三支就是香港中文大学的汤晓鸥教授的团队，每年会进行学术界的比赛，他是高记录的保持者。目前的识别率是超过了人类的脸部识别的总体水平，汤教授帮助讯飞在语音识别领域之后，在人脸识别的领域当中，建立了自己的行业地位。所以国内基本上目前是这样的发展阶段，我们去推导下面的阶段，我们怎么去甄别人脸识别的技术，到底哪一家靠谱，哪一家不靠谱，我们可以提出一些关键的甄别的关键点。这些点在哪里呢？
第一，我们要区分的，动态和静态配合式的识别还是非配合式的识别。配合式的就是像蚂蚁金服那样的，需要数据的比对方进行配合，可以很好的去采集正脸的二维的数据。另外，就是非配合式的，非配合式的没有办法对排除方的配合，是需要随机采集的图片进行比对，这个识别的效果会差一些，但是识别的时效性会很高。
这两种模式当中，我们关注三点。
第一点，你的人脸建模当中到底提取了多少个特征点进行比对，这个跟我们人脸上面的一些特征是关键节点，每个人的差异很大，而你选取的特征点的数据越多，比对的准确率就会越高。我们也采访了一些专家，他们目前能够做到的特征点的比对，应该是在700个点以上。目前大部分做刷脸的门禁这样系统产品的公司，特征点的选取大概是在50个左右。所以我们去做调研和交流，可以问一下整个公司人脸识别建模当中特征点的数量。
第二点，人脸识别数据库的数据样本和大小，这是一个非常重要的指标。样本及大小，是我们可供的数据集，这些必须要对人脸，比如说一个人有500张照片，拍的都是他的脸，不同的角度和位置、光线，把这些数据进行合理的清洗，供机器去训练包括比对和识别之后，可以告诉你是识别对了还是识别错了，这样的样本数非常重要，有助于训练，提高模型的准确率。因此可标签的数据样本集的大小，这个大小目前至少是百万以上的级别，才会使得现在识别率能够提升到世界领先的水平，这个也是可以甄别的关键点之一。
第三点，是不是你的商业模式能够对你的整个的数据的获取，我们说人脸数据的比对，形成一个正循环的模式。实际上数据来源，人脸的样本来源，是来源于两个非常重要的渠道，美图秀秀和美颜照相机，这是一个商业的互换，这个数据，因为考虑到做一个脱敏的处理，剩下的只有几百个关键的特征点的数据，其他的都被略去，用脱敏的技术之后，形成了从获取数据到训练模型，再到优化模型，持续的反馈结果，获取新的数据，这样的一个正循环的过程。有了这个以后，你的模型的数据就会获取的很好了，这是商业模式上非常重要的一个指标。
如果有了这三个指标之后，应当说同时具备了这三个，可能是在人脸识别领域当中有非常大的领先优势，或者是未来发展潜力的东西。同时我们在直观的性能方面去分析，直观的到底识别的表现上有两个非常重要的指标，一个是识别的准确率，我们界定了刚才说的学术界当中，每年一比的人脸识别大赛，现在基本上测试水平都在95%以上，但是是人和图片之间相互比对，说明是这个人，这算一个，再比对一个，又对了，算第二个。所有的人和照片都是匹配好的，最后正确率在99.2%左右，这是我们说的目前的正常的比对方法。
还有一个非常重要的方法，我们看到商业银行和淘宝在内的一些人脸识别的技术，会提出一个错误率的问题，这个数据，目前来看可以做到十万分之一的错误率，别人拿着我的身份证去比对，如果机器能够区分出来，是不通过，这是对的。如果机器把我的身份证给别人的时候也通过了，这可能就是一个错误的，错误率要在十万分之一左右才可以，目前能达到这样错误率的公司是屈指可数的，这是一个识别准确率的问题.
另外还是在多大样本中可以实现这样的准确率，这个是至关重要的。一个公司里面也就是两三百个人，在这些人当中，挑选出来通过，没有什么难度。但是在公安部的大平台当中，省级的平台当中，都是上亿人的身份证照片中，要准确的挑出来十个或者是一百个候选人，这个范围缩小到这个概率当中，你的准确率能有多大，这是一个很重要的指标。
第二点，识别的速度问题。同样还是刚才我们说到的样本集的大小决定了识别的速度。本身你在可供比对的样本中，没有很大的数据，比如说是成千上万的，识别的数大家都是差不多，都是在1秒之内作出反映，但是如果在一个上亿的大的样本当中，去把照片准确的识别出来，这样对时间的要求，对效率反映的要求就提高了。所以识别速度是一个很重要的指标。
以上我们说了五个指标，我们说这个确实是可以对公司的具体能力和技术进行综合判断的。
基于以上我们说的这些，关注的公司是有识别技术的公司，这个识别技术是人脸识别的技术。我们前面讲了，本身国内发言的几支学术界的力量大家非常清楚，来源于哪一支，背靠着哪一支强大的学术团队，研究团队的力量，使得这家公司是一个很好的位置。比如说我们前面讲到的科大讯飞，在汤晓鸥教授的支持下，他们的团队是学术界第一的力量在支持他们，这是一个资源性的优势。比如说川大智胜，这个和李教授他们有密切的合作，同时他们自己在图象识别领域当中，也有自己独特的技术，承担着国家大量的科研基金的项目，同时我们也特别强调一个就是川大智胜的人脸识别技术，是目前我们看到的人机交互，因为这个和二维的平面识别有很大的区别，优势非常明显，因为采集到了五官之间立体曲面之间的结合，所以采集到的数据量更丰富。可供比对的特征也是更多的，我们之前在视频当中找到拍到的侧脸，不清晰的照片，很难去识别出来犯罪嫌疑人到底是谁，是因为我们二代身份证库当中，本身就是只有正脸的可供比对的数据。三代或者是四代身份证采集数据的过程当中生物特征肯定要被提取出来，首先是指纹，三维的人脸识别会更快，三代四代可能就会被提取。
一旦需要被提取到三维的人脸的数据，那么这个时候川大智胜作为国内目前唯一一家有产品和技术的公司，面临的是广阔的市场。但是我们同时也要看到，三维人脸识别虽然有非常惊人的优势，同时劣势也是非常明显的，特征点的选取，包括侧脸的选取，是有难度的。同时表情的因素，其实对于数据处理的影响，没有在立体表情的因素那么好，提取的时候效率是偏低的，消耗的数据也非常大。所以现在来看，我们能够看到的应用场景目前还是小范围的，包括像美国对犯罪的有案底的犯人，我们国内目前在监狱当中也逐步的推广，将来全民都要采集，这肯定是一个非常巨大的市场。同时这家公司在人脸识别公司当中，技术特点和现在持续的对三维人脸识别加码，有一个项目是1.8个亿，要投入到研发当中，国家自然科学基金也已经持续的支持他们三维人脸识别的学术研究的项目，已经支持了很多年。所以在这个领域，应该是到了开花结果的地步。所以这一点，我们特别提示大家要关注这个公司，在技术上确实是有稀缺性的。
科大讯飞，就是典型的我们刚才讲的商业模式，可以实现人脸识别数据正循环的公司，是拥有互联网端的入口的。之前在语音的领域当中，讯飞语音云走的就是这样的模式，我获取的是你语音的数据，用你的数据持续的训练我后台的算法，使得他们提升和保持和其他竞争对手的领先优势。这样的话，数据端的循环，从语音的这个领域当中，复制到图像识别，就是人脸识别当中。大家如果关注讯飞，大家可以看到，在上个星期的时候，推出了双重生物特征的识别的因素，双重是什么呢？两重加密以后，确实就是这个人，把出错的概率降到非常低的水平。同时识别，双重加密之后，这个身份验证的过程可以做到数量级上面的提升。
有了这样一种开放云的平台之后，讯飞的数据正规化的过程也在逐步的建立，他下一步会和非常多的第三方的应用方合作，包括可以刷脸开锁的智能硬件方面，包括和电话银行，电话客服，还有邮箱去实现他的数据入口的正循环的过程。我们核心的问题就是以上的这样的一些判断的标准来去甄别的。我认为讯飞实际上是非常有希望的人脸识别的公司。我们在报告当中，也提到了讯飞是一个生态级的公司，不光是在人脸识别的这个领域当中有比较强的资源优势和技术优势，以及商业模式的优势。同时在我们整个的人工智能领域当中，讯飞超脑可以不断的用它孵化，基于学习的模式，从语音迁移到现在的图像，下一步迁移到语义当中，不断的做技术的衍生，这样的生态链一旦形成的话，在人工智能产业的地位是不可动摇的。所以人工智能整个的产业，我们想推的是科大讯飞。
人脸识别的领域当中，讯飞的优势也是非常明显的，同时我们也是看好川大智胜拥有的三维人脸识别的技术。其他的品牌公司，我们可以看到欧比特收购的公司，在安防领域的人脸识别当中，在监狱当中是超过50%的，在产品化方面也做的非常好。其他的两家，刚刚推出了自己的识别技术，现在了解的信息当中，还没有办法很好的甄别他们现在是否拥有满足我们以上的五个标准。在以后的调研和跟踪当中，我们会对他们的标准进行梳理和进一步的分解。这是对识别类公司的分析.
下一个阶段，我们觉得还有比较好的投资机会，除了第一类识别类的，第二类应该是数据资源类的，数据资源目前来看就是视频资源，有比较好的视频资源的公司，可以通过视频资源进行持续的深度学习的算法和优化，也许他自己没有这个技术和能力，但是可以通过技术合作的方式，找到研发团队或者是公司进行合作，共同开发优势。目前在视频资源当中的这些公司进行梳理的话，我觉得东方网力在这个当中步子迈的最前。目前产品端还是没有关于人脸识别成型的产品推出来，但是他的应用是在于多年的视频数据的积累。这个是和后期有密不可分的关系。先收购了广州的安防领域的视频监控的智能化的公司，这个步子一迈出去，布局的意图非常的明显。摄象头公司会往视频的公司侵占，后面的公司将来可能会往存储的环节去挤压，有可能将来会把分析和存储在一个环节当中就完成了，这个时候面临的压力是比较大的，所以转型的动力也是最迫切的，意愿也是最强烈的。
所以总体总结下来，现在人脸识别技术大爆发，并不是偶然的，应该说很好的满足了我们讲的人工智能的三大条件。深度学习的算法，大数据和云计算，这三个条件成熟了以后，在拐点到来的时候，大规模的商业化应用是水到渠成的。下一个阶段，基于计算机视觉的应用，在视频监控领域当中，对人的行为模式的识别、跟踪和分析，这些都会成为一个非常大的市场，成熟度还有待于进一步的检验。但是这个市场我们已经都看得到了，所以现在我跟大家探讨人脸识别的产业的发展机会，我觉得其实大家需要关注的不仅仅在于人脸识别技术本身的发展，也不仅仅在于哪几家上市公司拥有哪几项技术，而是看到背后代表的是整个计算机视觉的兴起。
人工智能报告当中也提到过，计算机视觉的1.0版本，是对静态图像的识别，2.0版本，肯定是动态视频内容的理解和学习，包括像谷歌的无人驾驶汽车，包括报告里面提到过的以色列的那个公司，也是纳斯达克上市的，他们用计算机视觉的技术实现了汽车的辅助的无人驾驶。在这个领域当中，实际上计算机视觉可供开发的应用非常丰富的。现在还有一个法律的问题，就是允许不允许无人驾驶的汽车上路，合法不合法的问题，大家不用担心这个问题。因为这个公司IPO的时候，这个公司的CEO说过一句话，他说现在还在担心无人驾驶的汽车上路合法不合法，但是我可以肯定的告诉你，十年以后，人开车上路是不合法的，这肯定是一个大的方向和趋势。这就是我从人工智能的领域延伸出来的，人脸识别只是一个点，更多的还有待于大家去一点一点的发掘。