在人工智能的浩瀚星空中，深度學習猶如一顆耀眼的明星，引領著計算機視覺技術的發(fā)展。《PyTorch深度學習與計算機視覺實踐》帶領讀者領略深度學習在計算視覺領域的魅力，詳解使用PyTorch2.0進行計算機視覺應用實戰(zhàn)的技巧。本書配套示例源碼、PPT課件�！禤yTorch深度學習與計算機視覺實踐》共分15章，內容包括深度學

本書圍繞國產計算機行業(yè)的具體技術展開論述，內容安排如下：第一章重點描述國內外計算機行業(yè)的發(fā)展現(xiàn)狀，第二章重點介紹國產計算機的基礎硬件發(fā)展情況，第三章重點介紹國產計算機的基礎軟件發(fā)展情況，第四章介紹國產計算機的應用軟件發(fā)展情況，第五章介紹國產自主可控的云計算技術，第六章介紹國產自主可控的大數(shù)據(jù)技術，第七章介紹國產自主可控

人類約70%的信息是通過人眼感知獲取的，未來的人工智能產品也將和人類一樣，大量信息都將通過視覺感知獲取。機器視覺是人工智能的“眼睛”，是人類視覺能力的模擬、延伸和擴展，使得機器能夠像人一樣看得見，并且看得懂。從自動駕駛到智慧交通，從衛(wèi)星遙感到智慧工業(yè)，從智能制造到智慧醫(yī)療，機器視覺是諸多領域實現(xiàn)突破性創(chuàng)新的核心關鍵技術

本書針對以上關鍵技術撰寫而成，主要內容包擴局部立體匹配方法、全局立體匹配方法、亞像素級立體匹配方法和基于深度學習的立體匹配方法等。計算機視覺當中的立體匹配問題是計算機視覺領域中的一個關鍵問題，它通過一臺或多臺相機對同一景物成像獲取一系列不同視角下的圖像，然后在這些圖像中查找對應點，獲得它們之間的幾何位移，并根據(jù)幾何投影

本書主要介紹了計算機視覺中的語義分割和目標檢測的相關技術，重點講解了任務設定和度量指標、基于深度學習的經典模型和算法方案，包括U-net相關模型、DeepLab系列模型、SAM模型，以及FasterR-CNN模型、YOLO系列模型等。另外，對于分割和檢測任務中的小樣本、弱監(jiān)督、小目標等特殊設定下的算法思路和方案也通過典

本書以當前主流微機技術為背景，全面介紹計算機各功能子系統(tǒng)的邏輯結構、組成和工作機制。本書共10章，包括計算機系統(tǒng)概述、運算方法與運算器、尋址方式與指令系統(tǒng)、主存儲器、控制器、存儲器系統(tǒng)、系統(tǒng)總線、I/O子系統(tǒng)、流水線技術、多處理機技術等。本書內容翔實，實用性強，提供比較完整的基于Logisim軟件的虛擬仿真實驗任務，配

《數(shù)據(jù)中心設計與管理》全面介紹了數(shù)據(jù)中心建設和管理過程中的各個環(huán)節(jié)，歸納了數(shù)據(jù)中心設計與管理的理論、技術及實踐經驗。將虛擬化技術的應用滲透到本書的各個部分。全書共7章，主要內容包括：數(shù)據(jù)中心概述、基礎環(huán)境建設、網絡子系統(tǒng)、計算子系統(tǒng)、存儲子系統(tǒng)、安全子系統(tǒng)和數(shù)據(jù)中心運維管理。

本書為學術專著。本書主要講述了數(shù)據(jù)中心的概念及發(fā)展歷程，重點描述了數(shù)據(jù)中心電氣系統(tǒng)、暖通系統(tǒng)、消防安全防護系統(tǒng)等運維的基礎知識及相關維護要求，同時對運維巡檢及相關安全也做了相對應的介紹。本書旨在讓學生在數(shù)據(jù)中心的實務操作中進行思考，知其然，知其所以然，在充分了解相關設備的基礎上，指導、規(guī)范數(shù)據(jù)中心的運維工程師提升運營維

人工智能領域認為，讓計算機理解自然語言是人工智能皇冠上的明珠。要想讓機器理解自然語言，必須做到讓自然語言的語義成為可計算的形式化對象。預設是自然語言承載知識的重要環(huán)節(jié)，本書以預設投射問題為主線，梳理了語言學界和邏輯學界對預設問題研究的發(fā)展歷程，最終在克里普克預設回指思想的引領下，運用國際前沿的分層話語表現(xiàn)理論、投射話語

我國現(xiàn)有涉及數(shù)據(jù)中心資源能源利用、能效/能耗評價、節(jié)能評價、綠色數(shù)據(jù)中心評價的國家標準、地方標準、行業(yè)標準和規(guī)范性文件超過20項，但在實際應用中指標計算邊界和數(shù)據(jù)監(jiān)測口徑不一。GB40879-2021《數(shù)據(jù)中心能效限定值及能效等級》(2021年10月11日發(fā)布，2022年11月1日實施)作為強制性國家標準，其發(fā)布和實施