现在，这个结果对我来说并不吃惊，因为机器学习是我的工作，而且我知道机器学习习惯产生奇怪的结果。但如果要解决这个超级奇怪的错误，我们就需要理解其背后的原理！...要计算梯度，我们首先需要选择一个预期的结果来移动方向，并设置输出概率列表，0表示任何方向，1表示纸巾的方向。反向传播算法是一种计算梯度的算法。我原以为它很神秘，但事实上它只是一个实现链式法则的算法。...你可以查看代码，让这些工作在 IPython notebook中运行。真的很有趣。 现在，是时候多一点数学原理了。 如何工作：逻辑回归 首先，让我们讨论一种最简单的图像分类方法——逻辑回归。...因此，添加一个delta倍会增加我们的损失函数（使它不像熊猫），而减去一个delta倍会减少我们的损失函数（使它更像熊猫）。但事实正好相反！我对这一点还是很困惑。...当我问Jeff Dean关于熊猫和狗这个问题时，他随口提到了“熊猫鸵鸟空间”，而我并没有提到让网络认为熊猫是秃鹫时曾思考过它是否是鸵鸟。
在没有欺骗类型的任何辅助标签的情况下，DTN学会以一种无监督的方式对数据进行分区。在每个树节点，分区沿着最大数据变化的方向执行。...还有些工作研究考虑了时间域的特征。最近的工作通过使用图像补丁来增加数据，并将从补丁到单个决策的分数进行融合。对于3D掩模攻击，估计心率来区分三维掩模和真实人脸。...首先，与Zero-shot目标识别不同，ZSFA强调欺骗攻击的检测，而不是识别特定的欺骗类型；其次，与具有丰富语义嵌入的对象不同，欺骗模式没有明确定义的语义嵌入。...最后，又带他去看了熊猫，对他说：“你看这熊猫是黑白色的。”...如今深度学习非常火热，使得纯监督学习在很多任务上都达到了让人惊叹的结果，但其限制是：往往需要足够多的样本才能训练出足够好的模型，并且利用猫狗训练出来的分类器，就只能对猫狗进行分类，其他的物种它都无法识别
如果能预测大熊猫交配的成功率，就能为繁育工作提供很大帮助。近日，四川大学、成都大熊猫繁育研究基地和四川省大熊猫科学研究院的研究者公布了一项基于神经网络预测大熊猫交配成功率的新方法。...他们没有使用人工定义的特征和发声类型，而是使用了深度网络来学习不同的发声特征，自动预测交配成功率。 ? 图 1：基于大熊猫发声行为的自动交配成功率预测能更好地协助大熊猫繁殖。...对于输入的音频序列，最终的预测结果是通过求和所有帧上的概率而得到的，如果整体的成功概率更大，那么就将这个交配结果分类为成功。 预处理 首先，基于人工标注的起止点从输入音频序列中提取出大熊猫的叫声。...卷积模块 卷积模块由三个完全一样的部件按顺序连接而成。其中每个部件都由卷积层和批归一化层构成。在每个卷积层的 ReLU 激活函数之前进行批归一化。卷积层有 128 个过滤器，其核大小为 3*3。...然后按如下方式对帧上的这些概率值求和： ? 如果 P_s > P_f，则预测发出输入音频段的叫声的大熊猫能成功交配，反之则预测结果为交配失败。 实验 ?
基础LLM就是使用大量的数据无监督训练出来的模型，他可以根据用户的输入续写后文，但是并没有推理和对话能力；指令微调LLM则是通过给出{指令，输出}数据对进一步对基础LLM进行微调，然后再通过人类强化学习优化模型...快递比预期提前了一天到货，所以在送给女儿之前，我自己玩了会。回答：熊猫公仔很可爱，面部表情和善，尺寸略小。可以看出混元摘要能力不错，但是丢失了价格和快递速度的信息。...以上任务如果按传统模型，他包含分类，实体抽取，摘要生成，任务生成等多个子模型部署再结合工程后处理逻辑，而且按需要生成格式这种推理能力传统模型也是做不到的，但是大模型可以一次性推理出结果。...```回答：【优点】可爱，柔软，便携，亲子共享【缺点】尺寸较小，价格偏高【总结】尽管价格偏高，但这款熊猫公仔非常可爱，柔软和便携，非常适合亲子共享。...尺寸较小的问题可能是由于设计的原因，但考虑到价格，我认为这是可以接受的。
本文主要学习姜晔老师视频，结合作者逆向经验进行总结，详细讲解了熊猫烧香的行为机理，并通过软件对其功能行为进行分析，这将有助于我们学习逆向分析和反病毒工作。...初入安全领域，是非常痛苦和难受的，要学的东西太多、涉及面太广，但好在自己通过分享100篇“网络安全自学”系列文章，艰难前行着。...我们可以看到，这部分代码主要用于收尾工作，最后的CALL用于删除堆栈中所保存的地址，这些地址指向的是病毒写入的一些信息，继续按F8执行。 可以看到一个RETN，我们继续执行。...sub_408024 sub_40CA5C sub_40C97C sub_408024是熊猫烧香病毒三大功能的第一项功能，分析至此，可见这第一项功能主要用于病毒的初始化工作。...编程没有捷径，逆向也没有捷径，它们都是搬砖活，少琢磨技巧，干就对了。什么时候你把攻击对手按在地上摩擦，你就赢了，也会慢慢形成了自己的安全经验和技巧。加油吧，少年希望这个路线对你有所帮助，共勉。
熊猫烧香病毒就是一款非常具有代表性的病毒，当年造成了非常大的影响，并且也有一定技术手段。本文将详细讲解熊猫烧香的行为机理，并通过软件对其功能行为进行分析，这将有助于我们学习逆向分析和反病毒工作。...初入安全领域，是非常痛苦和难受的，要学的东西太多、涉及面太广，但好在自己通过分享100篇“网络安全自学”系列文章，艰难前行着。...这次研究的“熊猫烧香”程序并没有加壳，但后续的文章我会详细分享加壳与脱壳的内容，更好地帮助大家理解病毒分析及保护措施。 首先打开PEiD工具人，然后将熊猫烧香病毒拖进去，会发现病毒的基本信息。...但是，我目前的IDA并没有自动解析出字符串的值，只能通过经验进行分析或OD动态调试。...编程没有捷径，逆向也没有捷径，它们都是搬砖活，少琢磨技巧，干就对了。什么时候你把攻击对手按在地上摩擦，你就赢了，也会慢慢形成了自己的安全经验和技巧。加油吧，少年希望这个路线对你有所帮助，共勉。
这个视频展示了一个只追求得分的赛车策略，最终当然是没有赢得比赛。这显然与期望的行为截然相反，但设计者确实得到的是他们要求的行为。...分类研究中的标准奖励函数是给一个正确分类（即预测标签和真实标签一致）一个0的奖励，否则给一个 -1 的奖励。这就意味着所有的分类错误都是同等的不好——但这实际上是不对的，特别是对人的分类错误时。...反向强化学习对于如何平衡这些没有提供任何指导。...然而，正如弥达斯国王的故事所说，我们人类并不总是完美地下令。可能有些情况下，我们想要Rob按照Alice心里真实的想法进行行动，而不是她所说的。 在“机器人应该服从吗？”...我们的工作表明，这导致AI系统更愿意接受人为的监督，并为人类使用者带来更多的价值。 我们的工作还为我们提供了一个工具来分析偏好学习中的潜在缺陷，并调查模型错误带来的影响。
在没有欺骗类型的任何辅助标签的情况下，DTN学会以一种无监督的方式对数据进行分区。在每个树节点，分区沿着最大数据变化的方向执行。...首先，与Zero-shot目标识别不同，ZSFA强调欺骗攻击的检测，而不是识别特定的欺骗类型；其次，与具有丰富语义嵌入的对象不同，欺骗模式没有明确定义的语义嵌入。...最后，又带他去看了熊猫，对他说：“你看这熊猫是黑白色的。”...如今深度学习非常火热，使得纯监督学习在很多任务上都达到了让人惊叹的结果，但其限制是：往往需要足够多的样本才能训练出足够好的模型，并且利用猫狗训练出来的分类器，就只能对猫狗进行分类，其他的物种它都无法识别...所以模型需要知道的信息是马的样本、老虎的样本、熊猫的样本和样本的标签，以及关于前三种动物和斑马的描述。 将其转换为常规的机器学习，这里我们只讨论一般的图片分类问题： （1）训练集数据 ?
Clune在论文中提到，很多在人类看来毫无意义的图片，输入到神经网络中，会被分类为某种物体。...比如说，上图左侧的8张图片，在人类看来都是电视机雪花屏的图案，但是在神经网络看来，这里面包含了燕雀、犰狳、小熊猫、猎豹甚至菠萝蜜…… 你说是熊猫？...比如说在人类眼中，上图左右两边都是熊猫；但计算机就会认为，左边的（可能）是熊猫，而右边的是长臂猿。...Goodfellow在Open AI工作期间，还发文介绍在反例攻击和防御策略，量子位曾经进行了编译。...AI的判定边界 现在，人类的科学家还没有完全搞清楚，这些骗过机器的方式为什么会有效，在什么情况下会失败。 一种常见的解释是，它们利用了AI系统中的“判定边界”。
该比赛数据集与常用于训练预训练模型的数据集（如 COCO 数据集、OBJ365）的数据分布存在很大的不同，因此对基于常用数据集预训练的模型进行 fine-tune 的效果不如预期。...通过对比实验可以发现：使用 FC-head 做分类、Conv-head 做回归，可以得到最好的效果。...该团队发现 Pixel-level 的增强方式导致了性能结果大幅下降，因此没有在这个方向继续尝试。...而图像增强方式 Retinex，从视觉上看带来了图像增强，但是该方法可能破坏了原有图片的结构信息，导致最终结果没有提升。...未来工作 该团队虽然获得了不错的成绩，但也基于已有的经验提出了一些未来工作方向： 1. 由于数据的特殊性，该团队尝试使用一些增强方式来提高图片质量、亮度等属性，使图片中的行人更易于检测。
此次冠亚军方案，将与白天行人检测结合，打造适用于不同天气条件的全天候行人检测系统，并有望在熊猫智能公交上进行应用，为其安全行驶保驾护航。...该比赛数据集与常用于训练预训练模型的数据集（如 COCO 数据集、OBJ365）的数据分布存在很大的不同，因此对基于常用数据集预训练的模型进行 fine-tune 的效果不如预期。...数据增强 该团队发现 Pixel-level 的增强方式导致了性能结果大幅下降，因此没有在这个方向继续尝试。...而图像增强方式 Retinex，从视觉上看带来了图像增强，但是该方法可能破坏了原有图片的结构信息，导致最终结果没有提升。...未来工作 该团队虽然获得了不错的成绩，但也基于已有的经验提出了一些未来工作方向： 1. 由于数据的特殊性，该团队尝试使用一些增强方式来提高图片质量、亮度等属性，使图片中的行人更易于检测。
折叠屏适配的本质 当老板下令说：“我们的产品要适配折叠屏”，不同的人会有不同的反应： 产品和设计 如何更好的利用空间？ 如何展示才不会使页面显得空洞？ 展开和折叠时分别怎么展示？ 展开后如何过渡？...是否按产品和设计的预期显示？ …… 因此对于我们开发同学来说，对折叠屏的适配首先要确定一个预期，即要先确定好交互和设计，才能评估工作。因此“折叠屏的适配先是一个设计问题，然后才是一个适配问题”。...复杂，要根据市面上设备区分； 这两种设计方式彼此相辅相成，所以说也没有对错之分。具体情况要依内容而定。 2.内容流 ?...尽管 web 字体看起来很炫酷，但你要记住，这些字体都需要用户下载，字越多，用户加载页面的时间也就越长。另一方面，系统字体加载速度则快得多（前提是用户本机就有），但太过普通。 9.位图vs矢量图 ?...目前来说”折“这个事件虽然没有，然是要识别用户是有有做折叠和展开动作，可以通过监听resize事件来代替。
怕错过熊猫的精彩分享？那就赶快关注下熊猫吧！ 前言 作为NAS垂类的作者，玩NAS已经有四五年了，而身边的设备也越来越多。...除了QANP应用市场，还有混合桌面工作站以及多媒体插件两个板块。其中混合工作站需要连接HDMI输出视频，此时你变可以将你的威联通当做虚拟桌面使用，而多媒体插件中则是提供了TMDB的刮削插件。...在应用中心中威联通将应用进行了安装指导分类与按程序功能分类。这对于我初始威联通系统帮助很大，想要查找我想要的功能也能通过分类去查看，毕竟威联通对于套件的命名方式还是不太一样的。...最强同步工具HBS3 早在没有使用威联通之前就已经听闻HBS3的强大了，也是很多NAS爱好者心中“最强”同步与备份工具。...写在最后 虽然体验了二十多天，但实际我目前探索的区域还有限。威联通在系统上有一套自己完善的体系，而在应用上也有自己独特的优化。
图1 ZSL概念图[17] 如今深度学习非常火热，使得纯监督学习在很多任务上都达到了让人惊叹的结果，但其限制是：往往需要足够多的样本才能训练出足够好的模型，并且利用猫狗训练出来的分类器，就只能对猫狗进行分类...利用训练集数据训练模型，使得模型能够对测试集的对象进行分类，但是训练集类别和测试集类别之间没有交集；期间需要借助类别的描述，来建立训练集和测试集之间的联系，从而使得模型有效。...（2）An embarrassingly simple approach to zero-shot learning[10] 有着很强的理论基础，算法简单、有效，虽然已经过去很多年了，但还是目前新工作需要进行对比的方法之一...以上几篇文章，是我认为较有代表性，比较值得读的工作。 我自己的看法 我当初做这个课题，纯粹是因为项目的需要，再加上当时并没有想清楚自己要做什么，所以就做着试试了。...但好发论文，并不代表它发展迅速，在我看来，真正有贡献的工作少之又少，且其对本质的研究发展缓慢。并且，该问题离实际应用还太远，很可能并不属于这个时代。基于这些原因，之前有一段时间很不想再继续这个课题。
右边的熊猫在加入对抗性噪声后看起来仍然像熊猫，但现在它会被原来的分类器分类到一个完全不同的类中 所有图片都可以通过这样一种方式受到干扰，以至于所有的图片都被预测为一架飞机 为什么会发生对抗性攻击？...随着 epsilon 的增加模型更有可能被愚弄，但扰动也变得更容易识别。对抗噪声可能看起来像随机噪声，但它肯定不是。它会根据像素在最终分类结果中的重要性，为每个像素添加不同数量的噪声。...Andrej karpathy在他的论文中展示了如何打破ImageNet数据集上的线性分类器。但这并不仅限于图像，甚至可以欺骗表格数据，这在金融领域是非常致命的。...对于除 RBF-SVM 之外的任何其他分类器，研究人员都可以生成任何被预测为 0、1、2….、9 的数字并且无论从人还是从机器角度看输入中也没有任何明显的噪声。...以下都是对于对抗性攻击没有任何作用的一些方法 最初研究人员认为GAN可以解决这个问题，他们认为如果我们知道输入的真实分布，我们就可以避免这个问题，但事实证明，识别对抗样本仍然非常困难。
右边的熊猫在加入对抗性噪声后看起来仍然像熊猫，但现在它会被原来的分类器分类到一个完全不同的类中。 所有图片都可以通过这样一种方式受到干扰，以至于所有的图片都被预测为一架飞机。...随着 epsilon 的增加模型更有可能被愚弄，但扰动也变得更容易识别。对抗噪声可能看起来像随机噪声，但它肯定不是。它会根据像素在最终分类结果中的重要性，为每个像素添加不同数量的噪声。...Andrej karpathy在他的论文中展示了如何打破ImageNet数据集上的线性分类器。但这并不仅限于图像，甚至可以欺骗表格数据，这在金融领域是非常致命的。...对于除 RBF-SVM 之外的任何其他分类器，研究人员都可以生成任何被预测为 0、1、2….、9 的数字并且无论从人还是从机器角度看输入中也没有任何明显的噪声。...以下都是对于对抗性攻击没有任何作用的一些方法 最初研究人员认为GAN可以解决这个问题，他们认为如果我们知道输入的真实分布，我们就可以避免这个问题，但事实证明，识别对抗样本仍然非常困难。
熊猫烧香病毒就是一款非常具有代表性的病毒，当年造成了非常大的影响，并且也有一定技术手段。本文将详细讲解熊猫烧香的行为机理，并通过软件对其功能行为进行分析，这将有助于我们学习逆向分析和反病毒工作。...（参考文献见后） 一.PE病毒概念 首先简单给大家普及下PE病毒的基础概念和分类，方便大家理解熊猫烧香病毒的行为。 什么是PE病毒？...现在从技术角度来看，熊猫烧香病毒技术水平一般，但病毒作者在当时运用的各类技术手法还是值得安全人参考和借鉴的。...但仅仅通过这个信息无法推测注册表的行为，所以该病毒对注册表并没有什么实质性影响。 第七步，查看病毒对文件的修改。...写到这里，我们基本已经分析了熊猫烧香的病毒行为，但这些行为仍然无法彻底了解病毒的行为，还需要通过OllyDbg逆向分析和IDA静态分析来实现。
这里仅是测试PE病毒感染代码，没有破坏功能。...重定位本质：修正实际地址与预期地址差异 但根据HOST特征逐一硬编码这种方式不太可取，其繁琐且未必准确，所以采用另一种方法，病毒代码运行过程中自我重定位。 下图展示了病毒代码自我重定位的过程。...从原理上来说，这是可以实现的，但是过程非常复杂，因为在引用函数节添加内容一定会导致其他结构的变化，需要做很多的修正工作，这可能会导致原有功能被破坏。...编程没有捷径，逆向也没有捷径，它们都是搬砖活，少琢磨技巧，干就对了。什么时候你把攻击对手按在地上摩擦，你就赢了，也会慢慢形成了自己的安全经验和技巧。加油吧，少年希望这个路线对你有所帮助，共勉。...PE病毒行为机理分析 [系统安全] 十二.熊猫烧香病毒IDA和OD逆向分析（上）病毒初始化 [系统安全] 十三.熊猫烧香病毒IDA和OD逆向分析（中）病毒释放机理 [系统安全] 十四.熊猫烧香病毒IDA
这些厂商在度娘上的广告一搜一大堆，具体动态短效代理HTTP代理厂商代表有这几家：青果网络芝麻代理豌豆代理品易代理讯代理小象代理巨量代理其中，芝麻系的还有很多家，比如太阳、极光之类的，不过使用过程中发现可用率没有那么高...：HTTP代理类型分类代表厂商白名单数基础套餐（元/月）平均IP单价（元/IP）动态短效HTTP代理按时计费以IP通道为增量青果网络256290.0006小象代理51090.0050以每日IP量为增量巨量代理...53600.0182按量计费/青果网络256300.0030豌豆代理52000.0200小象代理51000.0100巨量代理5750.0140品易代理201000.0100芝麻代理54200.0420HTTP代理类型分类代表厂商通道数并发请求月费隧道代理定时换...IP周期（1分钟）/快代理15272青果网络105390小象代理15399熊猫代理15420阿布云15429亿牛云15399动态转发/快代理15388青果网络15360小象代理15399熊猫代理15420...图片2.讯代理的200块一个白名单，属实过了噢[怒吼]，虽然大部分厂商都拿白名单来二次售卖，但这个价格我有点接受无能。图片3.
尽管HEVC（H.265）在2013年就完成了定稿，但直到去年苹果才宣布在iOS 11上支持HEVC。在封闭的苹果生态下，新的Codec应用还用了4年时间，何况其他开放的生态系统呢。...我们直播认为VP9没有被业内广泛支持的一个原因是到2017年为止，VP9的规范还没有定稿(final)，还是草案状态(draft)。...结合熊猫直播的情况，这里不说VP9的优点，只说在直播行业内使用VP9会遇到的问题。在主播端，VP9编码速度很慢，比HEVC还慢，因为几乎没有硬件厂商支持VP9硬编码。...黄欢：Google力推的VP8和VP9都没有达到预期效果，Google这次拉来了Apple公司和硬件巨头加入，AOMedia Video 1看起来靠谱很多。我们一直在关注AV1。...朱政：金山在考察AV1，但因为其目前速度太慢，还没有办法做深入分析和实验。我们虽然在HEVC上耕作了很多年，但绝对拥抱新技术和新标准。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
云直播
对象存储
腾讯会议
