万字长文:NEAR优劣势详尽解析

公链赛道的竞争在DeFi的兴起之后变得更加拥挤且激烈,公链竞争者已然上百,整体加密货币总市值也随之攀升。尽管市场规模巨大,但目前的主要大型参与者依旧只有两个,即比特币和以太坊,超50%的市场由它们控制。

大多数新兴公链都集中在智能合约领域,以太坊自出现到现在一直占据着智能合约市场的主导地位。但在过去的18个月里,大量的以太坊竞争者成功破圈,从总锁仓价值(TVL)来看,在2021年年初,以太坊占据了整个智能合约市场的97%,但截至2022年3月,这一数字已降至60%以下。

以太坊目前的瓶颈是显而易见的,如网络拥堵、高Gas费,可扩展性低等问题。而智能合约市场逐渐变大,并且在持续快速地增长,竞争加剧也就不足为奇了。以太坊的竞争者们正试图打破以太坊目前的瓶颈,它们想要做到更快、更便宜或者提供更具吸引力的奖励结构。但是最终又有多少赢家呢?

正如Messari的《2022年的加密货币论文》中所强调的,技术平台的趋势是双重垄断。以太坊和以太坊虚拟机(EVM)有很大的领先优势,很难完全超越它们。此外,已经有一大批开发人员和构建人员在EVM上进行构建。EVM的优势如此之大,以至于主要的竞争者都使用或过渡到EVM,而不是试图在没有这种能力的情况下进行正面竞争。甚至像Solana和Cardano这样的竞争对手最近也增加了或正在增加EVM兼容性(Terra是一个例外)。在许多情况下,EVM已经通过其网络效应巩固了自己的地位。

如果我们认为智能合约领域将由两个玩家主导,哪个公链会脱颖而出呢?Solana、Avalanche和Terra在2021年取得了强劲的业绩,各自的市场份额(按TVL衡量)分别增长了4%、5%和8%。Cardano长期以来一直是总市值排名第二的智能合约平台,最近才被Terra和BNB超过。经过多年的延迟,Candano的智能合约功能终于在2021年9月在网络上启用,但Cardano只获得了0.05%的智能合约市场份额。

2020年中期,一项新的协议加入了这场竞争,试图争夺一席之地。凭借经验丰富的团队、雄厚的资金和新颖的底层技术,NEAR在上市后的一年内迅速发展到100亿美元以上的市值。以下内容是对NEAR发展状况的整体分析报告。

一、协议和团队概述

当时,创作者们正在探索一种解决程序合成的方法,他们需要来自世界各地的开发人员用小块的代码帮助解决这个问题。为了向这些人发送付款,该团队试图使用传统的金融网络,但它们太慢或成本太高,而当他们试图使用加密货币平台时,也遇到了问题。现有的区块链太慢,太贵,或者无法处理足够的交易。由此他们开始尝试建立一个更好的区块链,NEAR协议就此启动。

随着他们深入研究最大的智能合约平台以太坊的技术,NEAR团队发现在以太坊上进行编码的思维方式对于大多数传统开发人员来说是非常不直观的。他们利用谷歌、微软和其他科技巨头使用的行业标准工具从头开始构建NEAR的组件,包括利用WebAssembly来实现标准编程语言的使用。这突出了NEAR团队的一个关键精神:他们所做的一切都以开发者为先的心态。NEAR可以支持任何可以编译成WebAssembly的语言,目前包括Java、Go、Rust和其他语言。这应该使Web2开发人员更容易创建应用程序,而不是必须学习一种非常具体的语言(如Solidity,Ethereum的首选语言)才能开始编码。WebAssembly还允许开发人员更容易地将他们的传统应用程序移植到Web3上。如果NEAR程序员希望更灵活地构建他们的应用程序,那么Rust将是他们首选的编码语言。

随着这种灵活性被添加到区块链技术中,NEAR的愿景演变成了它可以成为建立一个去中心化或“开放网络”的基础平台。为了达到这种规模,现有的底层区块链必须能够快速、低成本地处理巨大的交易量,NEAR正在努力实现所有这些目标。

二、技术

区块链基础知识

NEAR使用一种称为阈值权益证明(threshold-proof-of-stake)的PoS共识算法。通过增加验证器的数量,允许更多的网络参与。第三方解决方案,如Metapool,也被构建来抑制大型验证器池并进一步推动去中心化。NEAR的区块生产技术被称为“DoomSlug”。

DoomSlug允许NEAR在验证者之间仅进行一轮沟通后实现所谓的“实际终结性”交易,而不是像以太坊那样等待多个区块。最终性是一个术语,指当区块链交易被网络有效地不可逆转时,如果有一半(50%)的参与者在线,并且没有证明无效或不正确的区块,NEAR就可以继续生产和最终确定区块,这种50%的共识被称为“DoomslugFinality”。

兼容性

NEAR的区块链可用于运行智能合约,但它也与以太坊虚拟机(EVM)兼容,允许以太坊开发者轻松移植应用程序。NEAR以一种独特的方式完成了EVM的兼容性:NEAR主网络上部署了一个智能合约,称为Aurora。Aurora本质上是作为它自己的独立网络,但它是一个智能合约而不是一个全新的区块链。这种设计允许更大的升级灵活性,同时展示了NEAR底层技术的力量,因为其他区块链还没有能力以这种方式运行EVM。

安全性和可扩展性

区块链上的节点具有处理交易、与其他节点通信以及存储区块链历史的基本功能。目前的区块链技术要求网络中的所有完整节点处理每一笔交易,并存储整个链的历史。这有助于网络保持安全,但它使网络变得缓慢,因为网络必须等待每个节点的更新。例如,以太坊有大约2500个节点,必须保持同步。NEAR的可扩展性方法与以太坊2.0相似,因为它利用了分片。分片将区块链历史记录分解成更小的片段,这使得它们可以在不同的方之间存储。在此过程中,它将负载存储、处理和计算分布在多个节点上,以提高网络速度和可扩展性。每个节点可以处理和保存整体状态的一部分,而不是每笔交易。

虽然分片带来了上述好处,但它也带来了安全风险和通信挑战。在大多数利用或计划利用它的链中,分片是在区块链层面完成的。这使得分片区块链类似于一个由多个子区块链组成的网络。这种方法的问题主要是分片之间的通信和每个独立分片的安全问题,每个分片在某种程度上是一个孤岛,因为验证者只能看到他们各自分片的完整状态。当一个新的区块产生时,每个分片的快照会被拍下,并传到主链上。每个分片的验证者自然会比主链少,因此它们更容易受到坏人的攻击,这种设置使每个分片的安全性低于整个链。传统的分片网络会随机分配验证者到分片上,以处理这个问题。区块链上的随机性是一个复杂的问题,目前所有在分片中实现随机性的尝试都有其自身的权衡因素。NEAR对随机性采取了一种新颖的方法,在协议被破坏之前,可以容忍多达2/3的不良行为者。

目前有100个验证者保护网络。这些验证者负责生成和确认上面讨论的块。由于席位较少,获得一个席位作为验证者的价格相当高。截至2021年12月,席位价格为360万个NEAR,但今天已降至约5万个NEAR,并且随着席位的增加可能会继续下降。NEAR计划于2022年年中进行的更新中将增加验证者的数量。成为验证者所需的NEAR代币数量取决于所在分片的质押数,在分片上质押的人越少,对新的质押者的要求越低。这会激励质押者转向不太受欢迎的分片。

NightShade的最后阶段将引入动态重新分片,其中网络和分片数量随着用户需求的增加而扩展。这允许高吞吐量,同时保持成本可控。动态重新分片预计将在2022年底实施。届时,由于网络上的使用量,将有8个分片,其中一个专用于运行Aurora。NEAR架构的灵活性允许应用程序在它们变得非常流行时被移植到它们自己的专用分片中,这在其他区块链上是一个更具挑战性的过程。

为了进一步推动扩展,NEAR与Octopus网络合作,允许开发人员构建和发布自己的“应用链”,这些应用链专为特定用例而设计,并与主链并行工作。Octopus为开发人员提供了具有功能的预构建应用程序链,因此他们只需要担心应用程序的前端即可。Octopus的所有应用链都与其他区块链交叉兼容,该网络是作为NEAR之上的智能合约启动的。Polkadot有类似的应用专用链,但它们的启动和维护成本很高。例如,在Octopus上推出一条链不到10万美元,而在Polkadot上是Octopus的40倍。

可用性

综上所述,NEAR已经构建了技术来实现快速(约1秒)、快速完成(约1-2秒)、便宜(不到一分钱)和安全的交易。

三、投资者

与大多数以太坊竞争者一样,NEAR从一开始就获得了大量的风险支持。他们于2019年7月完成了1200万美元的风险投资,该协议于2020年夏季在CoinList上首次公开发售。它用10亿总代币的12%,筹集了3300万美元。最近,他们又筹集了由三箭资本领投的1.5亿美元。NEAR的投资者名单包括A16Z、PanteraCapital、ElectricCapital、蜻蜓资本、CoinbaseVentures、Blockchain.com和百度风投。Aurora在2021年10月进行了自己的专项融资,筹集了1200万美元。

四、代币经济学

用途

NEAR代币有四个主要用途:网络安全(通过质押)、交易和数据存储费用、交换媒介和记账单位。存储部分有些独特,因为您需要在您的帐户中持有一些NEAR来支付网络存储费用,这个数量随着您需要的存储量的增长而增长。这种动态要求那些使用网络更多的人承担更多风险,从而减少不良行为者向网络发送垃圾邮件的可能性。这也使当前用户与网络的未来用户保持一致,他们本质上都是在为未来的存储成本付出代价,因为交易必须作为永久记录在区块链上。这种存储机制还创建了一层额外的NEAR代币,随着网络活动的增加,这些代币会从市场上移除。存储的代币不能在其他应用程序中质押或使用。这种存储需求也从用户扩展到智能合约。以下是每个NEAR分配的存储量。作为参考,整个以太坊链是大约500GB,如果NEAR增长到这个规模,大约5%的供应将保留在帐户中用于存储。

通货膨胀率和燃烧率

NEAR是通货膨胀模型,每年有5%的年度通货膨胀率上限用于大额奖励。值得注意的是,这些奖励的90%支付给验证者,10%支付给NEAR国库。一些网络通过高通胀大量补贴其增长,但NEAR将通胀与网络使用联系起来。NEAR网络收取并消耗网络费用(类似于EIP-1559后的以太坊),因此实际通货膨胀率较低,有时甚至低得多,具体取决于网络活动。随着网络活动的增加,实际通货膨胀率会降低。随着每日交易量达到每天15亿,总体通货膨胀率接近0%(迄今为止的最大每日交易量约为180万)。实际上,这个数字可能要小得多。一些专家认为,根据交易类型,每天的交易量接近1亿次(有些交易的成本高于其他交易)。

对于费用的分配,NEAR上70%的交易费用被烧毁,30%被发送给用户正在与之交互的智能合约的创建者,激励创作者在网络上进行构建。

质押奖励

目前约有35%的现有NEAR被质押,每年为质押者带来超过11%的收益。经通货膨胀调整后,实际奖励约为7%。无论你是委托NEAR还是运行验证者,这个奖励都是相当一致的。这一实际收益率是公链中最高的。

供应

增值

总体而言,NEAR的增值有一个相当不错的循环。通过30%的智能合约费用份额和8亿美元的赠款基金激励开发人员构建可持续的应用程序,激励质押者通过相当高的APY(通胀后比大多数同行更具吸引力)来保护网络,并激励用户持有/使用不断发展的生态系统代币。随着网络的增长,开发人员的收入也在增长。随着更多费用的消耗,实现通货膨胀率下降,这为质押者获得了更多的实际收益,并使用户有更多的应用程序和交易者进行交易。整个生态系统还通过每笔交易将10%的费用转入国库,为未来的增长提供内置的融资机制。

五、生态系统

对于其他生态系统的用户,NEAR拥有来自以太坊、Terra和Cardano等主要生态系统的现有桥梁。以太坊桥,称为彩虹桥,是NEAR最受欢迎的入口,TVL接近7.5亿美元。自彩虹桥推出以来,NEAR网络上的每日交易量飙升了40倍。大多数彩虹桥交易以稳定币计价,在UST的支持下,大部分交易量在12月下旬飙升。该桥在发布前经过了ConsensysDiligence和ABDKConsulting的审核,让用户可以安心使用。

除了彩虹桥,NEAR还支持通过AllBridge桥接超过100个代币。2021年10月,该桥由顾问哈肯审计,发现是安全的。

应用生态系统

NEAR生态系统在过去两年中发展迅速。如今,NEAR和Aurora有超过350个项目,仍在持续增加。2021年10月,NEAR启动了8亿美元的生态系统发展赠款基金。这些资金将由新推出的DAO管理,其中至少3.5亿美元用于DeFi,1亿美元用于初创公司,2.5亿美元用于现有开发者,这是有史以来为公链发起的最大的赠款基金之一。可以肯定地说,开发人员将希望在NEAR的基础上进行开发,并获得如此多的资金。对于较小的开发者,NEAR推出了MetaBuidl黑客马拉松,捐赠100万美元奖品以发展生态系统。下面是现有项目图谱,我们将讨论每个主要类别中受欢迎的一些项目。

基础设施

NEAR上最重要的两个基础设施项目是我们已经详细介绍过的Aurora和OctopusNetwork。NEAR与行业标准后端技术有联系,例如用于分散存储的IPFS和Ceramic、用于预言机服务的Chainlink和用于索引的TheGraph。对于区块探索,NEAR与Etherscan兼容,并构建了自己的一套原生区块浏览器:主网NEAR区块浏览器和Aurora极光区块浏览器。NEAR代币的委托也出现了一个权益证明运营商网络,与流行的智能合约保险平台Insurace建立了兼容性。总而言之,该生态系统一直在发展基础设施骨干,预计将会出现在更大、更知名的链上。

DeFi

NEAR上的DeFi于2021年4月推出。目前NEAR上有三个主要的DeFi协议,Aurora上还有20多个。他们总共持有超过6亿美元的TVL,在主要区块链中排名第17位。目前NEAR整体生态系统中最受欢迎的应用是去中心化交易所Trisolaris(Aurora)和RefFinance(NEAR)。第三个最受欢迎的应用程序是MetaPool,这是一种类似于以太坊上的Lido的流动性质押溢价。此外,Curve和Sushi计划在不久的将来在NEAR上推出。

Trisolaris是SushiSwap的分叉,约占整体NEAR生态系统TVL的56%,在Aurora中的TVL占比更是高达75%。Triisolaris比RefFinance更受欢迎,因为它拥有NEAR的速度和低成本,同时在ETH支付费用。值得一提的是,Triisolaris也在考虑采用由Curve推广的VE令牌结构。

NEAR主链上最大的DeFi应用程序是RefFinance,占TVL的70%以上。在更广泛的NEAR生态系统(包括Aurora应用程序)中,Ref约占TVL的19%。RefFinance是一家自动化做市商,可以在NEAR网络上对任何代币进行无许可交易。用户通过提供流动性赚取REF代币。与其他主要DEX类似,RefFinance由DAO管理。该协议于2022年2月从Jump、Dragonfly和Alameda筹集了480万美元。

NFT/游戏

NFT和游戏在NEAR上也十分受欢迎,NEAR最大的NFT平台称为Mintbase。Mintbase建立在用户之间传统NFT买卖的基础上,允许在多个钱包持有者之间分配版税或付款,努力解决NFT行业提出的存储问题,并与Arweave合作进行去中心化存储。NFTHipHopHeads系列于2021年下半年在Mintbase首次亮相期间交易量超过50万美元。Mintbase还与流行艺术家DeadMau5合作,于2021年12月在其平台上推出NFT。尽管这些项目推动了高峰,但Mintbase用户群尚未被证明具有粘性(见下文)。

由于NEAR独特的账户结构,NFT构建者可以选择将其账户出售给第三方。这将为新账户持有人提供未来从这些NFT销售中产生的永久收入流。这种转移在其他平台上并不那么简单。例如,以太坊上流行的PudgyPenguinsNFT已经尝试了近三个月来过渡其项目的所有者,但仍在与多个后勤障碍作斗争。

NEAR上的游戏仍处于早期阶段,截至2022年第一季度发布了许多公告,但实际上推出的游戏很少。Web3游戏工作室已经筹集了数百万美元用于在NEAR上构建游戏。OPGames筹集了800万美元,计划到2022年底在NEAR上推出500多款游戏。另一个工作室VortoGaming筹集了400万美元。

开发者生态系统

2021年,NEAR上的开发人员快速增长,NEAR是有史以来增长速度第二快的协议,仅次于BNB。在2021年,NEAR的开发人员总数增长了4倍,仅次于Solana(见下图)。2022年继续增长,1月和2月又增加了500多名活跃开发者。

这些开发人员也不仅仅针对小型项目。NEAR在2021年的专职全职开发人员增长率中排名第三,增长率为291%。Terra和Solana的全职开发人员增长率分别为313%和307%,略高于NEAR。NEAR吸引了100多名全职活跃开发人员,仅次于Cosmos、Solana、Polkadot、以太坊和比特币。2021年的大部分增长是在前面讨论的生态系统发展基金宣布之前。

六、NEAR和竞争对手

各大公链的竞争正在进行,都想要达到最大网络速度、低成本和最大安全性。每个竞争对手都采取了不同的方法来最大化这些向量中的每一个,同时在集中化方面做出一系列权衡。理想情况下,最好的区块链应该是快速、安全、广泛使用和极度去中心化的。

许多吞吐量和延迟统计数据都是理论上的,因为这些区块链中的大多数尚未接近其宣传的最大容量。尽管如此,NEAR目前在许多关键指标上都处于领先地位,包括交易成本、每秒最大交易量和质押收益率。但是NEAR在许多去中心化类别中都落后,包括验证者的数量、运行节点的成本和Nakamoto系数。不过与BNB等其他高度集中的竞争对手不同,NEAR有一个随着其发展而去中心化的计划。随着网络的发展,NEAR正在慢慢添加分片。NEAR奖励那些在不太受欢迎的分片上工作的验证者,从而激励更小的验证者池。随着分片数量的增加和活动的增长,网络自然会变得不那么去中心化。

七、未来路线图

NEAR当前和未来发展由NEAR基金会协调,NEAR未来的目标是利用DAO和公会在未来将缰绳交给社区。公会是NEAR独特的特征,它们是有组织的、分散的,围绕共同的事业团结起来,看起来公会的运作方式与DAO类似,但不同的是,公会真正专注于在共同的技能或激情下团结起来,然后利用它为组织做出贡献或完成某些目标。一个公会可以为多个DAO做出贡献。他们的运作有点像公司的不同部门(即会计、营销、人力资源)。目前的NEAR团队将基金会比作将NEAR带入太空的火箭,公会和DAO将引导协议前进到新的行星。NEAR基金会已经开始向社区移交其媒体页面。

在技术发展方面,NEAR的路线图是公开且不断更新的。NEAR计划继续增加验证者的数量,从而降低成为验证者的门槛。NEAR还计划随着网络的发展继续增加分片的数量。随着使用量的增加,该团队还希望能够进一步改善gas成本。

八、价值分析

NEAR今天的销售价格比接近1000,与大致同时推出的同行Solana相比,NEAR实际上在价格与销售额的基础上更便宜,并且在我们考虑收入增长率时几乎相同。Solana的市值是NEAR的3倍以上,甚至在某些时候已经是NEAR的8倍。

用户活动在短期和长期内推动代币价格,通过查看用户和开发人员活动等关键指标,我们看到了一些喜忧参半的情况。关键统计数据似乎已趋于平稳,交易量稳定在每天约300,000笔,而活跃账户每天约20,000笔。三箭资本宣布他们将领投一轮1.5亿美元的融资,这可能导致1月份用户活动大幅飙升,这影响了我们的数据。

更积极的一面是,虽然数据集有限,但社交媒体上的活动似乎在2021年稳步增长。

难以量化的代币需求方面的一个限制因素是NEAR目前仅在有限数量的交易所上市。NEAR已在Binance、Upbit、Kucoin和火币上架,还未出现在Kraken、FTXUS、BitStamp或Coinbase上。但主要竞争对手Avalanche、Solana和Cardano已经在这些交易所上市。NEAR缺乏在主要交易所上市自然限制了买家的数量,尤其是美国买家。

Solana的所有代币均于2021年1月上旬解锁,大部分Avalanche代币于2021年8月解锁。在一些最初的下行压力之后,这两种代币的表现都相当不错。在2022年10月解锁以极低价格获得的大多数NEAR代币后,我们可能会看到类似的动态。

九、风险

中心化问题

跨链开发者数量居多

NEAR生态系统中的大部分操作都在与AuroraEVM兼容的应用程序上进行。虽然开发人员可以轻松地将应用程序移植过来,但这毕竟是双向的。事实上,TVL的6亿美元中有5亿美元在Aurora上,开发人员可以开发与EVM兼容的应用程序。这种EVM引导模型的结果好坏参半,例如,Polygon生态系统中跨链开发者数量是原生应用程序开发者的两倍。EVM兼容性是一个很好的入口,但必须激励开发人员在链上构建原生应用程序。

缺乏营销意识

强且多的竞争对手

公链市场的竞争一直都很激烈,NEAR有许多吸引用户的功能,但用户似乎只是在慢慢地进入生态系统。目前看来,NEAR对用户的吸引力十分有限。

缺乏实战测试

NEAR技术规格惊人,但一旦网络扩展到大量交易,它是否能够承受住较大的吞吐量?因此在NEAR被用户信任之前,需要进行可扩展性测试。

十、结论

NEAR背后的团队和技术质量较高,但仍然存在一定的风险。加密行业的网络效应是真实存在的,NEAR已然落后于其他主要的公链。但尽管如此,如果我们要生活在一个多链世界中,相信NEAR也应该能够在桌面上占有一席之地。

THE END
1.3小时吃透TensorFlow深度学习框架,从环境配置到项目实战,究极通俗3小时吃透TensorFlow深度学习框架,从环境配置到项目实战,究极通俗易懂!我爱深度学习-编辑于 2024年12月16日 16:42 TensorFlow 系统课程+配套资料传送门→分享至 投诉或建议评论 赞与转发0 0 0 0 0 回到旧版 顶部登录哔哩哔哩,高清视频免费看! 更多登录后权益等你解锁https://www.bilibili.com/opus/1011465567024971813
2.TensorFlow深度学习:模型训练与部署方案TensorFlow深度学习:模型训练与部署方案 基础知识 简介 是由Google Brain团队开发的开源深度学习框架,广泛用于机器学习和人工智能领域。它提供了丰富的工具和库,可用于构建和训练各种深度学习模型。 特性 的特性包括灵活的架构、跨平台支持、自动微分、分布式训练等。它支持多种编程语言,如Python和C++,并且能够在CPU和GPUhttps://www.jianshu.com/p/3b32a4777665
3.TensorFlow技术解析与实战电子书,李嘉璇工具类TensorFlow技术解析与实战是由李嘉璇著作,人民邮电出版社出版,TensorFlow?是谷歌公司开发的深度学习框架,也是目前深度学习的主流框架之一。本书从深度学习的基础讲起,深入TensorFlow框架原理、模型构建、源代码分析和网络实现等各个方面。全书分为基础篇、实战,更多下载https://download.csdn.net/download/qq_41138326/10933923
4.TensorFlow技术解析与实战pdf(清晰版)TensorFlow实战google深度学习 完整代码!!! 上传者:ubuntu856时间:2017-12-04 TensorFlow技术解析与实战源码 《TensorFlow技术解析与实战》源代码,适合初学者,是很好的学习资源 上传者:u010122780时间:2018-03-16 Hands-On Machine Learning with Scikit-Learn and TensorFlow.pdf https://www.iteye.com/resource/mubai_csdn-10455151
5.TensorFlow技术解析与实战.pdf李嘉璇2017年版TensorFlow技术解析与实战.pdf-李嘉璇-2017年版-人民邮电出版社 关闭预览 想预览更多内容,点击免费在线预览全文 免费在线预览全文 TensorFlow?是谷歌公司开发的深度学习框架,也是目前深度学习的主流框架之一。本书从深度学习的基础讲起,深入TensorFlow框架原理、模型构建、源代码分析和网络实现等各个方面。全书分为基础篇、https://max.book118.com/html/2020/1217/8033122041003027.shtm
6.送你一场最in的人工智能技术分享致力于人工智能的研究,对深度学习框架的架构、源码分析及在不同领域的应用有浓厚兴趣。有过上百篇论文阅读和深度学习经验,处理图像、社交文本数据情感分析、数据挖掘经验,参与过基于深度学习的自动驾驶二维感知系统Hackathon竞赛,现在某人工智能创业公司工作。曾任职百度研发工程师。著有《TensorFlow技术解析与实战》。https://labs.epubit.com/articleDetails?id=NC7E3EF941B2000017D6354701EC016F6
7.2020年第七期全国高校大数据与人工智能师资研修班8 模型结果与评估 泰迪云课堂 操作演练个人PC 在线答疑微信群 实战项目介绍:基于深度学习的车牌识别系统项目 技能点:深度学习实战、TensorFlow框架、图像处理技术、OpenCV应用、实际项目搭建与应用。 1 明确项目目标 2 准备数据 3 照片预处理 4 定位车牌信息 http://www.tipdm.com/pxdt/2015.jhtml
8.扩散模型:AI艺术创作的核心技术51CTO博客通过上述优化方法和策略,我们可以显著提高扩散模型的生成质量。学习率调度、正则化技术和多尺度生成不仅能够改善模型的训练过程,还能使其生成的艺术作品更具细节和真实性。 扩散模型项目实战 在本章中,我们将通过一个具体的扩散模型项目实战,详细讲解开发环境搭建、代码实现与解析,以及项目实战的关键步骤。通过这个项目,我https://blog.51cto.com/universsky/12693303
9.智能Ai云平台的搭建与开发,TensorFlow基础与案例实战教学50.模型部署与效果演示.mpg 07第七章:实战TensorFlow人脸识别 51.第七部分内容介绍.mpg 52.人脸识别问题概述.mpg 53.典型人脸相关数据集介绍.mpg 54.人脸检测算法介绍.mpg 55.人脸识别算法介绍.mpg 56.人脸检测工具介绍.mpg 57.解析 FaceNet 人脸识别模型.mpg http://www.bbfx.cc/995.html
10.AIGC:从入门到精通AIGC工具导航通过实践操作和高级应用,优化策略,以及实战指南,结合AIGC工具的使用,激发创意,实际操作AI生成内容创作。避免常见误区,紧跟技术发展,拥抱AIGC,探索无限可能。 从入门到精通:AIGC工具导航 引言 在当今信息爆炸的时代,人工智能生成内容(AIGC)正以前所未有的速度改变着内容创作的格局。从智能写作到图像生成,从音频合成到https://www.imooc.com/article/349119
11.tensorflowmachinelearning,deeplearningdata对抗生成网络架构原理与实战解析 GAN模型通俗解读 基于CycleGan开源项目实战图像融合 PyTorch版本的CYCLEGAN,这个开源项目写的相当棒 OCR文字识别原理 OCR其实原理很简单,需要多个模型协助完成 OCR文字识别项目实战 构建OCR网络模型 基于3D卷积的视频分析与动作识别 用3D卷积来处理视频数据并完成行为识别 基于PyTorch实战BERT模https://github.com/aristo-ai/Ai-Learn/
12.模型,大数据数据分析与数据挖掘,企业数字化等产业链高端技术Dataguru炼数成金是专注人工智能与大语言模型,大数据、数据分析与数据挖掘,企业数字化等产业链高端技术的专业社区及面向网络逆向培训服务机构,通过系列实战性培训课程,包括人工智能,大模型,专家机器人,AIGC,AIOPS,ChatGPT,数据分析,数据挖掘,商业智能,大数据,机器学http://bi.dataguru.cn/
13.开小灶啦!福州理工学院首批6个微专业来了!本课程将带你深入探索这个充满挑战与机遇的领域,不仅全面解析网络安全的基本原理和技术,还注重实战操作与团队协作的完美结合。通过本课程,你将学会如何敏锐地监测、识别和分析各种网络安全威胁,构建坚固的防御体系,并利用数据分析和情报收集来预测和防范潜在的风险,确保网络安全无懈可击。http://oaa.fit.edu.cn/html/598230166.html
14.TensorRt加速推理实战:案例解析与代码实践物联沃TensorRt加速推理实战:案例解析与代码实践 目录 前言 一、TensorRT简介 1.1TensorRT 的主要特点 1.2TensorRT 的工作流程 二、具体示例 2.1代码 2.2代码结构 2.3打印结果 前言 TensorRT 是 NVIDIA 开发的一款高性能深度学习推理引擎,旨在优化神经网络模型并加速其在 NVIDIA GPU 上的推理性能。它支持多种深度学习框架,并https://www.iotword.com/25763.html
15.全网知识付费网课资源:IT会员社群教程目录持续更新(2024)010.2022年经典再升级FFmpeg5.0核心技术精讲,打造音视频播放器完结无秘 009.极客测试开发进阶训练营2022年价值4999元重磅首发无秘第十周 008.【慕课】WebGL+Three.js入门与实战,系统学习Web3D技术无秘更新中第九章 007.【慕课】NestJS入门到实战前端必学服务端新趋势无秘更新中第10章 https://www.dklx.com/15271.html
16.关于举办AIGC技术与大模型应用实战师资培训的通知同时为助力战略性新兴产业融合集群发展和现代化产业体系建设,以实现高水平科技自立自强、建成教育强国、科技强国、人才强国的远大目标,深圳信息职业技术学院(通信类国家级职业教育“双师型”培训基地)结合当前新兴产业技术发展趋势与人才培育需求,拟定于2024年4月11日-17日举办“AIGC技术与大模型应用实战师资培训”活动,http://www.sziit.com.cn/info/1038/16020.htm
17.智能监控嘲下进行大规模并行化视频分析?西安交大博士教给你3月23日起,智东西联合NVIDIA推出「实战营」第一季,共计四期。第三期于4月13日晚8点在智东西「智能安防」系列社群开讲,由西安交通大学人工智能与机器人研究所博士陶小语、NVIDIA高级系统架构师易成二位讲师先后主讲,主题分别为《智能监控场景下的大规模并行化视频分析方法》和《NVIDIA DGX-2 驱动智能监控革命》。 https://www.jiemian.com/article/2095991_qq.html
18.专注智能时代的人才培养与企业服务《TensorFlow技术解析与实战》作者,本书获得Jeff Dean、李航、余凯、山世光等专家倾力推荐。曾任职百度研发工程师,对深度学习框架的架构、源码分析及应用有一定经验,参与过基于DL的自动驾驶二维感知系统Hackathon竞赛。 老齐 《跟老齐学Python》作者 老齐,苏州易水禾软件和苏州研途教育科技技术总监。著有系列图书《跟老http://www.julyedu.com/join/teacher
19.Tensorflow:实战Google深度学习框架(豆瓣)博文视点AI系列(共109册),这套丛书还有 《解析深度学习:卷积神经网络原理与视觉实践》《视觉SLAM十四讲:从理论到实践(第2版)》《深度学习框架PyTorch快速开发与实战》《分布式机器学习——系统、工程与实战》《知识图谱》等。 喜欢读"Tensorflow:实战Google深度学习框架"的人也喜欢的电子书 ··· 支持Web、iPhonehttps://book.douban.com/subject/26976457