当用户提交一些机器学习任务时，往往需要大规模的计算资源，但是对于响应时间并没有严格的要求。在这种场景下，首先使用腾讯云的batch-compute(批量计算)产品来自动化提交用户的任务，然后使用分布式+gpu的方式解决算力问题，...

这是一个很重要的类，实现的也并不复杂。Block类作为ClickHouse的核心，后续的工作都是基于Block类展开的。

原标题：Stack Vs Concat In PyTorch, TensorFlow & NumPy - Deep Learning Tensor Ops

这里，我们用TensorFlow实现一个3层，即输入层、隐藏层、输出层的神经网络。

其实关于BN层，我在之前的文章“梯度爆炸”那一篇中已经涉及到了，但是鉴于面试经历中多次问到这个，这里再做一个更加全面的讲解。

2020年7月9日，在世界人工智能大会上，陶大程教授（澳大利亚科学院院士）在科学前沿全体会议上和观众连线，并做了《预见·可信 AI》的报告。

【要背住的知识】：用ReLU代替Sigmoid，用BN层，用残差结构解决梯度消失问题。梯度爆炸问题的话，可以用正则化来限制。sigmoid的导数的取值范围是【0，0.25】....

焦点损失函数 Focal Loss（2017年何凯明大佬的论文）被提出用于密集物体检测任务。

producer可以用于缓存等待发送到服务端的消息记录的缓冲区大小，当消息记录发送到缓冲区的速度大于传输到server的速度，那么等待发送的消息记录将会放在缓冲区，缓冲区如果满了，那么producer会阻塞max.block.ms指定的毫秒数...

BN的理解，其实一句话就是：对于每个隐层神经元，把逐渐向非线性函数映射后向取值区间极限饱和区靠拢的输入分布强制拉回到均值为0方差为1的比较标准的正态分布，使得非线性变换函数的输入值落入对输入比较敏感的区域，以此避免...