中国拥有全球最大的在校生群体，据 教育部统计，2019年中国拥有4,713.9 万学前教育在校生，1.06亿小学在校 生，4,827.1万初中在校生，2,414.3万 高中在校生，2,857.2万职业教育在校 生，2,672.7万高等教育在校生。庞大的 在校生数也使得中国长期面临教育资源 供给不足和资源不均的挑战。同时，据中 国互联网络信息中心数据，我国互联网上 网人数2005年约1亿人，2012年人数已增 至5.6亿人，2020年6月则达9.4亿人，互 联网普及率达67.0%。2019年，我国已建 成全球最大规模光纤和移动通信网络， 行政村通光纤和4G比例均超过98%，固 定互联网宽带用户接
2022-07-27 15:42:09
5.39MB
1
16.5.2 算法与实现前向计算正常的隐层计算公式是：加入随机丢弃步骤后，变成了：公式2是得到一个分布概率为p的伯努利分布，伯努利分布在这里可以简单地理解为0、
2022-07-25 17:01:37
8KB
1
Fairlearn
Fairlearn是一个Python软件包，可让人工智能（AI）系统开发人员评估其系统的公平性并减轻任何观察到的不公平问题。 Fairlearn包含缓解算法以及用于模型评估的Jupyter小部件。 除了源代码之外，该存储库还包含Jupyter笔记本，其中包含Fairlearn用法示例。
网站： ：
当前的版本
当前的稳定版本可从。
我们当前的版本与0.2或更早的版本有很大的不同。 这些旧版本的用户应访问我们的。
我们所说的公平
人工智能系统可能出于多种原因而表现不公平。 在Fairlearn中，我们定义了AI系统在对人的影响（即危害）方面是否表现出不公平的行为。 我们关注两种危害：
分配危害。 当AI系统扩展或保留机会，资源或信息时，可能会发生这些危害。 一些关键的应用程序是在招聘，入学和贷款方面。
服务质量危害。 服务质量是指即使没有扩展或保留任何机会，资源或信息，系统对于一个人的工作是否也与另一个人的工作是否一样好。
我们遵循被称为“群体公平”的方法，该方法问：哪些群体的个人有遭受伤害的风险？ 相关的组需要由数据科学家指定，并且是特定于应用程序的。
2022-07-25 09:24:13
16.28MB
1
《Extremely Lightweight Quantization Robust
Real-Time Single-Image Super Resolution for Mobile Devices》移动端超分辨率论文复现，该论文方案为CVPR举办的Mobile AI Challenge 2021比赛的冠军方案，实现了在移动设备上的实时推理，模型符合超轻量级（模型大小0.02M）。复现内容包括训练、推理、unit8量化。压缩包中包括：论文及其复现代码（pytorch）。
2022-07-23 21:05:12
2.59MB
1