北京时间6月5日，湖人队当家球星勒布朗-詹姆斯今天在推特上怼FOX女主播劳拉-英格拉姆对运动员的言论存在双标。
早在2018年2月，FOX女主播劳拉-英格拉姆在节目里对詹姆斯和杜兰特等NBA球星进行了抨击，因为詹姆斯等球星公开批评美国总统特朗普。当时，劳拉让詹姆斯他们“闭嘴，只管运球！”
昨天，NFL明星四分卫德鲁-布利斯在接受采访时表示NFL球员不应该以单膝下跪的方式对国旗不敬，他的这番言论立刻遭到了抨击，詹姆斯就在推特上抨击了布利斯的言论。
然而FOX女主播劳拉-英格拉姆在谈到布利斯的言论时却表示：“他（布利斯）有权发表自己的意见。”
结果，詹姆斯今天在推特上转发了劳拉的这段话，并写道：“如果你依然不知道为什么抗议还在持续。我们现在为什么这么做是因为我们已经TMD厌倦了这种对待！我们在这里还能再给你解释得更清楚一点吗？想对我的支持者们说，不要担心，在我看到变化之前，我不会停止发声！”
【环球网报道记者 乌元春 丁洁芸】在特朗普18日自称正在服用羟氯喹作为预防新冠病毒的药物后，这一表态随即遭到外界指责。“今日俄罗斯”（RT）同一天报道更是援引福克斯（FOX）新闻主播尼尔·卡乌托的话批评说：“这（指服用羟氯喹）会要了你的命。”而此前，专家们根据研究发现这种抗疟疾药物在预防和治疗新冠肺炎方面是危险且无效的。
RT：“这会要了你的命”：在特朗普说他为了抵御新冠病毒服用羟氯喹之后，媒体进入反羟氯喹恐慌模式
当地时间18日，美国总统特朗普表示，他本人已定期服用羟氯喹药物一周半时间，目的是为了预防感染新冠病毒。特朗普称，他本人并不确定这种药物是否会有效，但他认为，即使该药物无效，也不会让人“生病或者死亡”。
在特朗普发布这一表态后，立即引发许多反对的声音。RT称，美国福克斯新闻主播尼尔·卡乌托就批评说，“如果你处在高危人群中，你把这作为一种预防措施（来抵御新冠病毒）……它会要了你的命。我再强调都不为过。这会要了你的命。”
报道称，卡乌托在节目中采访了两位医生，很快打断了其中一位医生称这种药物对一些病人“也许有用并可能挽救生命”的说法，同时允许另一位医生、圣约瑟夫大学医院的医学专家鲍勃·拉希塔将“任何人都不应该在没有咨询他们私人医生的情况下服用任何药物”的观点传达出来。
卡乌托在节目中表示，如果按照总统的建议（服用药物），那么就会有失去生命的风险。拉希塔则附和道：“对，每件事都有代价，这些药物非常危险，如果它们没有任何效果，就没有理由服用它们。”
另据美国全国广播公司（NBC）报道，肺科专家、全球卫生政策专家范•古普塔(Vin Gupta)也表达了不同的意见。他称羟氯喹会导致致命的心律失常。“这（服用羟氯喹）肯定不是完全安全的，”古普塔说，“他（特朗普）把自己置于危险之中。”古普塔认为，除非有真正的医疗需要，否则吃药是不明智的。“如果我是他的医生，我会强烈反对。”
事实上，特朗普此前曾多次在白宫发布会上推荐羟氯喹，引发了大量争议。《华盛顿邮报》报道称，美国事务部4月21日发表的一项研究发现，服用羟氯喹药物的新冠病毒感染患者比未服用该药的患者更有可能死亡。美国食品药品管理局（FDA）4月24日的另一项警告则说，医生不应该让新冠病毒感染患者在医院外使用该药物，因为该药物可能会导致严重的心律问题。
另据《国会山报》报道，在特朗普自称正在服用羟氯喹后，白宫医生肖恩·康利（Sean Conley）18日发表一份114字的声明称，他与特朗普讨论了服用该药物的利弊，最后他们认为利大于弊。但是声明未说明特朗普从何时开始服用该药物以及剂量，也没有说明是否是康利给他开了药。
SDG LDL第一名 整个战队今的LPL，团队默契程度执行力这些不明显的就不说了， 5个人全都是韩服王者，中路拿飞机蛇女基本上压着对面打，上路也几乎没有过劣势，下路偏稳，但是不混，该站出来就站出来，详情参照LPL 3月底SDG对RNG， SDG对FPX的几场比赛， 可以说有一线强队的实力。
虽然我不是EDG真粉，但我很关注EDG表现，iboy 强势强，但是最擅长的伊泽瑞尔优势滚雪球好用，但失误就容易被翻盘，劣势局很难打。其他路都是比较偏稳，打野位置选择比较迷。
今天第一场比赛教练思路很明确，你只有打野强，那我把你打野英雄全ban了，我套路大招留在后面上厂长时候用，你其他路也没我强，我就赢了。
但实际上并不是这样，上路爆，中路前期55，后期英雄问题小劣势，下路edg64，但是选的counter位 卢锡安，
最后SDG打野还是疯狂carry无限控objectives，EDG可以说节奏上被吊打。SDG下路虽然劣势，前中期卡沙0-0-0得有20分钟，后期上路高地最后一波，该站出来还是站出来了。 参照RNG打SDG 卡沙单吃VN
综合来说 SDG的实力不弱，配合较好，士气很高，对EDG了解程度更好，所以EDG今天很难了
EDG缺乏比赛的判断力，而且BAN人选人感觉都没有给对面很难受的感觉，这个赛季其实紫色方优势，但是根本没有利用起来，我是打辅助位置的，我擅长指挥。我就下班看了第三局，首先选奥拉夫，在对面选了布隆的情况下，二办竟然办掉露露和卡尔玛，我打辅助经常用，我认为奥拉夫克制他们，其实给辅助康特位置是特别好在下路打开局面的，第三选选辅助莫甘娜，可能怕对面中路会选来打妖姬，紫色方的康特优势完全没有，其实最后一手在对面都选完的时候，完全可以让奥拉夫去上路，选蜘蛛或者瞎子去大野，毕竟乌鸦和杰斯前期都不灵活，妖姬和奥拉夫都好打开局面。在游戏中也缺乏判断，对面上路TP下，就是缺乏这种判断力，纳尔第一波团已经交了T，就应该想到的，然后大野确实好坑，大龙坑那波竟然不跟队友，我一个辅助我感觉我去大野都比他强，奥拉夫要操作吗？我技能命中应该比他高吧，我经常用莫甘娜，泽拉斯，机器人打辅助，至少判断力指挥上要比他这个自闭的大野要强，建议把大野换了，然后队员的智商有待提高，说骚话挺强，正经的东西结巴，我好像记得厂长解释自己不放大的时候还结巴了，而且有点答非所问！
这就啥，大校喜欢G.G就跟我喜欢RNG OMG 你喜欢IG TES EDG LDG等等等等一样，有啥，谁说咱LPL的解说不能喜欢其他赛区的队伍，猫猫还喜欢咱LPL的队伍呢，长毛还喜欢G2呢，不过是大校直接说出来了而已，喜欢一个队伍都不敢直说，还能叫直说嘛？？？？而且，大校不是从一开始就解说的，不是一开始就从LPL直接解说，他是解说LCK开始的，看LCK比赛多，被三星感动了，有啥？？？你看到米勒，娃娃为LPL流泪是因为他们其实是LPL的创始之一，看着LPL一路走过来的，他们喜欢的不是某一只队伍，是整个LPL。
随着季中杯小组赛的结束，在5.30号这天半决赛的赛程也是由FPX和JD战队拉开序幕。不过这这两对之间的比赛只是开胃菜，毕竟都是兄弟战队，之后的TES对战Gen.g才是这次季中杯的重中自重。毕竟这次LCK赛区晋级到半决赛中去的，也就只有Gen.g战队了，可以说是LCK赛区唯一的牌面。而在被我们LPL赛区几支队伍包围的情况下，Gen.g官博也是开始赛前整活。
在小组赛第一天中LCK赛区的两支代表队SKT以及DWG也是相继被淘汰出局，而且还是接连被我们LPL赛区的两支代表队亲手送了出去，这样也就更加有成就感了。而在第二天Gen.g和DRX似乎也是吸取了第一天两个兄弟的教训，所以打得也是非常出色。
不过最终虽然说Gen.g晋级了，但DRX却是连续两把输给了JDG战队，所以也是被淘汰出局。而LCK赛区只有一个队伍晋级到半决赛中去也是显得有点孤立无援，所以gen.g赛前也是开始整活了起来。他们在官推中也是晒出了一张非常搞事情的照片。
一张李总举牌Gen.g的照片也是被晒了出来，而且牌上还写着“唯一的希望Gen.g”。确实Gen.g如果再输的话，LCK也是彻底无缘这次季中杯了。然后Gen.g在赛前也是选择请神上身，想要让李哥来保佑一波。
可惜的是这次李哥都是有点自身难保的感觉，一个晋级的队伍请李哥来举牌，这波啊，这波是反向请神！不过gen.g做的也是没有错，毕竟LCK唯一的真神就是李哥了。所以如果不请李哥的话，还能请谁呢？
不过虽然说我们对TES战队有信心，但其实以Gen.g昨天的表现来看，他们的实力还是非常强的。估计就是遇到SKT之后就是有点降智了。所以也是希望TES不要疏忽，调整好自己的状态，打好每一场比赛不要让自己留下遗憾就好了！
Transformer是由谷歌于2017年提出的具有里程碑意义的模型，同时也是语言AI革命的关键技术。在此之前的SOTA模型都是以循环为基础（RNN, LSTM等）。从本质上来讲，RNN是以串行的方式来处理数据，对应到NLP任务上，即按照句中词语的先后顺序，每一个时间步处理一个词语。
相较于这种串行模式，Transformer的巨大创新便在于并行化的语言处理：文本中的所有词语都可以在同一时间进行分析，而不是按照序列先后顺序。为了支持这种并行化的处理方式，Transformer依赖于注意力机制。注意力机制可以让模型考虑任意两个词语之间的相互关系，且不受它们在文本序列中位置的影响。通过分析词语之间的两两相互关系，来决定应该对哪些词或短语赋予更多的注意力。
相较于RNN必须按时间顺序进行计算，Transformer并行处理机制的显著好处便在于更高的计算效率，可以通过并行计算来大大加快训练速度，从而能在更大的数据集上进行训练。例如GPT-3(Transformer的第三代)的训练数据集大约包含5000亿个词语，并且模型参数量达到1750亿，远远超越了现有的任何基于RNN的模型。
现有的各种基于Transformer的模型基本只是与NLP任务有关，这得益于GPT-3等衍生模型的成功。然而，最近ICLR 2021的一篇投稿文章开创性地将Transformer模型跨领域地引用到了计算机视觉任务中，并取得了不错地成果。这也被许多AI学者认为是开创了CV领域的新时代，甚至可能完全取代传统的卷积操作。 其中，Google的Deepmind 研究科学家Oriol Vinyals的看法很直接：告别卷积。 以下为该论文的详细工作：
基本内容 Transformer的核心原理是注意力机制，注意力机制在具体实现时主要以矩阵乘法计算为基础，这意味着可以通过并行化来加快计算速度，相较于只能按时间顺序进行串行计算的RNN模型而言，大大提高了训练速度，从而能够在更大的数据集上进行训练。 此外，Transformer模型还具有良好的可扩展性和伸缩性，在面对具体的任务时，常用的做法是先在大型数据集上进行训练，然后在指定任务数据集上进行微调。并且随着模型大小和数据集的增长，模型本身的性能也会跟着提升，目前为止还没有一个明显的性能天花板。
Transformer的这两个特性不仅让其在NLP领域大获成功，也提供了将其迁移到其他任务上的潜力。此前已经有文章尝试将注意力机制应用到图像识别任务上，但他们要么是没有脱离CNN的框架，要么是对注意力机制进行了修改，导致计算效率低，不能很好地实现并行计算加速。因此在大规模图片分类任务中，以ResNet为基本结构的模型依然是主流。
这篇文章首先尝试在几乎不做改动的情况下将Transformer模型应用到图像分类任务中，在 ImageNet 得到的结果相较于 ResNet 较差，这是因为Transformer模型缺乏归纳偏置能力，例如并不具备CNN那样的平移不变性和局部性，因此在数据不足时不能很好的泛化到该任务上。 然而，当训练数据量得到提升时，归纳偏置的问题便能得到缓解，即如果在足够大的数据集上进行与训练，便能很好地迁移到小规模数据集上。 在此基础上，作者提出了Vision Transformer模型。下面将介绍模型原理。
模型原理 该研究提出了一种称为Vision Transformer(ViT)的模型，在设计上是尽可能遵循原版Transformer结构，这也是为了尽可能保持原版的性能。 虽然可以并行处理，但Transformer依然是以一维序列作为输入，然而图片数据都是二维的，因此首先要解决的问题是如何将图片以合适的方式输入到模型中。本文采用的是切块 + embedding的方法，如下图：
首先将原始图片划分为多个子图（patch），每个子图相当于一个word，这个过程也可以表示为：
其中x是输入图片，xp则是处理后的子图序列，P2则是子图的分辨率，N则是切分后的子图数量（即序列长度），显然有。由于Transformer只接受1D序列作为输入，因此还需要对每个patch进行embedding，通过一个线性变换层将二维的patch嵌入表示为长度为D的一维向量，得到的输出被称为patch嵌入。 类似于BERT模型的[class] token机制，对每一个patch嵌入，都会额外预测一个可学习的嵌入表示，然后将这个嵌入表示在encoder中的最终输出()作为对应patch的表示。在预训练和微调阶段，分类头都依赖于。 此外还加入了位置嵌入信息（图中的0，1，2，3…），因为序列化的patch丢失了他们在图片中的位置信息。作者尝试了各种不同的2D嵌入方法，但是相较于一般的1D嵌入并没有任何显著的性能提升，因此最终使用联合嵌入作为输入。 模型结构与标准的Transformer相同（如上图右侧），即由多个交互层多头注意力（MSA）和多层感知器（MLP）构成。在每个模块前使用LayerNorm，在模块后使用残差连接。使用GELU作为MLP的激活函数。整个模型的更新公式如下：
其中(1)代表了嵌入层的更新，公式（2）和（3）则代表了MSA和MLP的前向传播。 此外本文还提出了一种直接采用ResNet中间层输出作为图片嵌入表示的方法，可以作为上述基于patch分割方法的替代。
模型训练和分辨率调整 和之前常用的做法一样，在针对具体任务时，先在大规模数据集上训练，然后根据具体的任务需求进行微调。这里主要是更换最后的分类头，按照分类数来设置分类头的参数形状。此外作者还发现在更高的分辨率进行微调往往能取得更好的效果，因为在保持patch分辨率不变的情况下，原始图像分辨率越高，得到的patch数越大，因此得到的有效序列也就越长。
对比实验 4.1 实验设置 首先作者设计了多个不同大小的ViT变体，分别对应不同的复杂度。
其中ViT模型都是在JFT-300M数据集上进行了预训练。从上表可以看出，复杂度较低，规模较小的ViT-L在各个数据集上都超过了ResNet，并且其所需的算力也要少十多倍。ViT-H规模更大，但性能也有进一步提升，在ImageNet, CIFAR,Oxford-IIIT, VTAB等数据集上超过了SOTA，且有大幅提升。 作者进一步将VTAB的任务分为多组，并对比了ViT和其他几个SOTA模型的性能：
可以看到除了在Natrual任务中ViT略低于BiT外，在其他三个任务中都达到了SOTA，这再次证明了ViT的性能强大。 4.3 不同预训练数据集对性能的影响 预训练对于该模型而言是一个非常重要的环节，预训练所用数据集的规模将影响模型的归纳偏置能力，因此作者进一步探究了不同规模的预训练数据集对性能的影响：
上图展示了不同规模的预训练数据集（横轴）对不同大小的模型的性能影响，注意微调时的数据集固定为ImageNet。可以看到对大部分模型而言，预训练数据集规模越大，最终的性能越好。并且随着数据集的增大，较大的ViT模型（ViT-H/14）要由于较小的ViT模型（ViT-L）。 此外，作者还在不同大小的JFT数据集的子集上进行了模型训练：
可以发现ViT-L对应的两个模型在数据集规模增大时有非常明显的提升，而ResNet则几乎没有变化。这里可以得出两个结论，一是ViT模型本身的性能上限要优于ResNet,这可以理解为注意力机制的上限高于CNN。二是在数据集非常大的情况下，ViT模型性能大幅超越ResNet, 这说明在数据足够的情况下，注意力机制完全可以代替CNN，而在数据集较小的情况下（10M），卷积则更为有效。 除了以上实验，作者还探究了ViT模型的迁移性能，实验结果表明不论是性能还是算力需求，ViT模型在进行迁移时都优于ResNet。
可视化分析 可视化分析可以帮助我们了解ViT的特征学习过程。显然，ViT模型的注意力一定是放在了与分类有关的区域：
总结 本文提出的基于patch分割的图像解释策略，在结合Transformer的情况下取得了非常好的效果，这为CV领域的其他研究提供了一个很好的思路。此外，接下来应该会出现许多基于这篇工作的研究，进一步将这一划时代的模型应用到更多的任务上，例如目标检测、实例分割、行为识别等等。此外，也会出现针对patch分割策略的改进，来进一步提高模型性能。
原文标题：告别 CNN？一张图等于 16×16 个字，计算机视觉也用上 Transformer 了
原文标题：告别 CNN？一张图等于 16×16 个字，计算机视觉也用上 Transformer 了
文章出处：【微信号：vision263com，微信公众号：新机器视觉】欢迎添加关注！文章转载请注明出处。
高通交付首批CloudAI100加速器和边缘方案开发套件：从终端到云端AI的联合
在 2019 年 4 月，高通公司发布了一款专用于云端 AI 加速的处理器 Qualcomm Clo….
OPPO Reno4 Pro与其他5G手机的最大区别，就是格外的轻薄。一般来说，性能好，特别是一直主….
全球人工智能在电信市场研究调查代表了对市场的全面假设，并附有必要的未来估计，行业认可的数据以及市场事….
安森美XGS图像传感器获选为“最具创新价值产品”：人工智能和5G技术的结合
随着世界经济的复苏和产业升级，越来越多的新技术运用到工厂企业和各行业当中去。在这个升级换代的形势下，….
ABEJA加入了由罗兰·贝格（Roland Berger）在2020年建立的“价值协作网络”（VCN….
Gartner 2020年新兴技术成熟度曲线项技术概况，它们将在未来五到十年内对社会及….
深度学习属于人工智能的一种，在医疗领域，它可以准确地利用CT扫描图像找到大脑供血动脉的阻塞，由于这种….
数据显示，2019年我国智慧物流市场规模为5074亿元，同比增长23.10%，预计到2020年，其市….
10 月 20 日，美国司法部提起了一桩反垄断案，指控谷歌通过反竞争手段，维护其在搜索引擎和线上广告….
随着世界经济的复苏和产业升级，越来越多的新技术运用到工厂企业和各行业当中去。在这个升级换代的形势下，….
36岁的联想，“转行”干起了服务业。刚刚结束的联想Techworld 2020大会，第一日主题是“行….
瑞萨电子推出RA6T1 MCU，适用于电机控制及基于AI的端点预测性维护
瑞萨电子物联网及基础设施事业本部高级副总裁Roger Wendelken表示：“随着家电、楼宇和工业….
2020年，随着5G商业化落地加速，AI+IoT时代全面开启，伴随着新基建带来的广受益效应，还有疫情….
随着社会系统和数据量的飞跃性增加，人工智能的工程系统越来越普遍与复杂，传统系统工程TSE（Tradi….
弗洛伊德说：“英伟达在竞争激烈的竞争者中表现出色。” 与（Nvidia）V100（GPU）相比，他们….
如果我们巧妙地越过专利组合的那薄弱的威胁，以及它对 Cerebras 的可能性证明所鼓舞的潜在初创公….
C114讯 10月27日消息（艾斯）市场研究公司Omdia的最新报告显示，在2020年9月24日举行….
波士顿咨询集团（Boston Consulting Group）和《麻省理工学院斯隆管理评论》（MI….
Noritaka Ikeda： 这些图像传感器用于自动驾驶（AD）和高级驾驶员辅助系统（ADAS）的….
“评估是对即将到来的数字化时代，第四次工业革命以及RTA内人工智能范围的扩大的需求的回应。它涵盖了三….
在手机厂商大力推进5G手机普及之际，vivo近日发布了6G系列白皮书，公布了在6G时代的应用场景畅想….
据美国白宫高级技术官员迈克尔·克拉特西奥斯（Michael Kratsios）表示，特朗普政府正在完….
药品购买，能否像自动贩卖机一样，在急需时即可在自助机柜直接下单立刻拿到？传统上，我们依赖24小时营业….
华为Mate40系列全球线上发布会结尾时，一段彩虹与曙光的视频让不少网友泪目。许多人可能都将目光放在….
当然，人工智能所带来的巨大机遇不仅局限在物流领域，而是包含多个方面。受益于我国人工智能领域市场需求的….
现在，如果数据不感到痛苦，那么至少Singer提供给生物的道德地位的原因之一就无法实现。但是即使没有….
今日，人工智能视觉创作AppVersa宣布获得数千万美元B轮融资，由B站领投、金浦投资跟投，公司估值….
10月27日，在万向区块链实验室主办的第六届区块链全球峰会上，多位业内人士发表了对区块链技术与其他技….
谷歌今天在其搜索工具中添加了一个新的“哼歌识曲”功能，你可以哼出（或吹口哨或唱出）那首在你脑海里循环….
同属“AI四小龙”的旷视科技则早在2019年8月25日披露港股IPO的招股书，在港股上市进程暂停后，….
10 月 28 日早间消息，知情人士称，苹果公司已经在今年稍早时候收购了巴塞罗那公司 Vilynx，….
近日，创新奇智推出赋能物流供应链领域的全新产品AI无感知扫码终端，助力现代化物流仓储设施建设。
会上，产业经济决策智库雨前顾问发布了《成都人工智能产业创新发展报告2020》（以下简称《报告》），解….
据《财经涂鸦》消息，北京积加科技有限公司（下称积加科技）近日获元璟资本新一轮股权投资。积加科技（AD….
据公司情报专家《财经涂鸦》消息，北京必示科技有限公司（下称必示科技）近日获红杉资本中国新一轮股权融资….
据公司情报专家《财经涂鸦》消息，北京必示科技有限公司（下称“必示科技”）近日获红杉资本中国新一轮股权….
中国移动动感地带5G合伙人&AI宣推官张艺兴10月7日生日当天，热搜话题#张艺兴客服语音包#引起热议….
华为品质专线解决方案最早源自金融行业对高品质网络的需求。随着企业数字化转型的加速，品质专线的超低时延….
科技对于生活而言究竟扮演的是什么角色？在科技至上者的眼中，科技是生活、社会进步的唯一钥匙，是人类长河….
10月20日，迪拜世博会中国参展线上路演和授牌仪式在北京中国贸促会举行。迪拜世博会中国馆组委会宣布，….
据美国白宫高级技术官员迈克尔克拉特西奥斯（Michael Kratsios）表示，特朗普政府正在完善….
目前，复旦微基于28nm工艺制程的 FPGA 产品已经多达数十款。此外，公司正在28nm工艺制程上研….
2020年3月，深圳市大疆创新科技有限公司（简称大疆）发布了RoboMasterEP机器人教育套装。….
近日，HPE公司宣布将获得1.6亿美元资金来打造一台超级计算机LUMI，据悉，这台超级计算机的理论峰….
如何让自动驾驶汽车致盲？如何远程劫持农业无人机？利用AI竟然能变脸蒋昌建？在GeekPwn舞台上，极….
律师群体在统计与数学方面一直表现得比较消极。传统上，他们的观点来自数年甚至数十年的从业积累与个人洞见….
首席产品官Cyra Richardson负责领导风河的产品战略。Cyra Richardson是人工….
今日，vivo 研发总部开工仪式于东莞长安举行。vivo 研发总部的动工标志着公司将持续加大创新投入….
Google采取了一项大胆的新举措，扩大了街景视图的视野，现在已经走向了大海。在世界海洋日为6月8日….
近期，张亚勤教授在CNCC 2020上带来以“智能技术趋势”为主题的演讲，随着数字化3.0的到来，张….
Biu~哈喽大家好，今天接着聊聊ADK的新功能。在ADK6.4的release中，有一个sink 新功能被正式release——Google Fast Pa…
内容：学习实现小型嵌入式语言的方法，学习单片机处理、显示信息的技术。…
好奇~！谷歌的 Edge TPU 专用 ASIC 旨在将机器学习推理能力引入边缘设备
在去年于旧金山召开的 Google Next 大会上，Injong Rhee 通过主题演讲披露了谷歌公司的两款全新硬件产品：一款开发单片，外加…
随着5G网络的深入推进，物联网的细分市场越来越多，科技企业纷纷加码，欲抢先布局占据有利位置。其中，智能汽车是未来生活的重要…
谷歌的Dataset Search开放至今，为什么还搜不到我的数据集？
本月早些时候，谷歌推出了数据集搜索专用引擎 Dataset Search，这是一个建立在元数据上的搜索引擎，可以对网络上数千个存储库…
2016年10月，新成立的国防创新委员会首次提出了一系列建议（该委员会是美国国防部高级领导的顾问机构，成员包括来自私营部门、…
1、刷屏的谷歌“猜画小歌“ 7月18日 Google 推出首款微信小程序，它采用了“人类绘画+人工智能猜题”的模式，让很多人…
从“跳一跳”之后，又有一款小程序游戏因其独特好玩的个性，在朋友圈C位出道了。 几天前，谷歌发布了一款名为“猜画小歌”…
最精练的基于STM32的PLC解释器核心算法源代码！！！ 不仅可用于可编程解释执行的内核代码，也可以用于IC设计的IP核…
解析Android移动设备光电传感器技术在移动技术中，传感器是被测量信号输入的首要技术，也是传感器系统中的元件组成部分，它包括…
在LPL的第二场内战中，SN成功的笑到了最后，这与赛前很多人的预测不同，毕竟TES和SN赛前的战绩摆在那里，从纸面上看TES确实要比SN要强，但事实却狠狠的给预测的人扇了一巴掌，SN在这一场很漂亮的获得了胜利，完全碾压了TES众员的表现，为此前世界冠军中单rookie也是特意的分析了对这两支战队的看法。
在赛前的预判看来，TES很大概率能赢得这一场比赛，但他们最终却输掉了，在rookie看来，TES在这一场焦点大战中并没有打出夏季赛的水平，而SN却有着很夸张的成长。
确实SN从小组赛就不被看好，最后他们以A组第一的位置冲进了八强，在对上JDG的时候也是不被看好的那一方，不过他们还是送走了他们，最后对上LPL赛区头号种子TES还是不被看好，但最终还是给不看好自己的网友一个狠狠的耳光，此次到了决赛了，SN依旧是不被看好的那一方，也许他们已经习惯了来自外界的压力了，可能只有夺冠的那一刻，他们才会真正的被认同。
在rookie看来，SN一直处于上升期，直到现在都还没有看到他们的上限，这是一件很恐怖的事情，TES和JDG的失败就是一个很好的借鉴，因为从之前的战绩根本看不出这支年轻的新军能打出什么样的表现来。希望他们能在决赛中再次创出新高度，为LPL带来第三座世界冠军奖杯。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
LPL“造神”宣告失败，Rookie说出大家忘记的事实，他跟Uzi没法比
第一场比赛TES开局下路取得了巨大优势，但是在中期的团战处理上还是SN更胜一筹，上单阿彬一个人压着TES双C在打，每次团战都能精准切到人，对于TES来说必须要调整战术体系，将主动权让给SN对自己来说并不是一件好事，首先来看一下双方第二场比赛的BP情况。
这场比赛双方换边之后阵容也是互换，SN拿到了烬加巴德的体系，而TES则是选择了EZ加盲僧，并且369选出船长来偷发育，因为对手是一个奥恩，所以相对来说上路的对线还是比较舒服的，不过Karsa的压力要大很多，盲僧必须要前期起到一定的带节奏作用，不然的线分钟TES抓住机会想秒Sofm，但是还是被其放出了大招，随后SN众人赶到反拿一血。
双方前期都表现的十分克制，最终TES率先忍不住了，其实这里有一个很大的问题，Sofm机会所有人中最难秒的，只要能放出大招便可以拖时间，而且TES还是打得入侵，一血之后SN拿到第二条小龙，前期的节奏又是非常不错，TES的阵容因为没有切后排能力所以给了Angel和焕峰很大的发挥空间，19分钟虽然TES抓住机会秒掉了巴德，但是Karsa也因此被反杀，小龙再次落入了SN的手中。
包括后续的团战TES也是节节败退，给人的感觉就是TES打的很乱，整场比赛的指挥没有章法，不知道应该干什么，想比之下SN的思路就很清晰，就是找机会拿小龙，没机会就猥琐发育，不过整体经济上TES是有所领先的，中期团战依然是有一战之力，并且有船长这个超后期英雄在发育，24分钟TES抓住机会拿下小龙，阿水后续有些 上头闪现跟输出，结果却直接被秀死。
阿水的阵亡无伤大雅，TES还是逐渐掌控了局面，26分钟在抓掉了奥恩之后直接拿下了大龙，此时的369已经开始发力，虽然不能切后排但是可以利用大招和三连桶来分割战场，29分钟SN站位十分迷，结果被TES下路直接压上高地，双方的差距也是拉开到了七千多。
而且因为TES的强势使得SN迟迟没有拿到龙魂，节奏也是被逐渐拖了下去，31分钟SN在上路是打出一换二，抓掉了TES最肥的中上节奏点，Knight的杀人书也是掉了很多，33分钟TES中路 再次集结，一顿爆发输出直接击溃SN战队，随后抱团推进一波结束了比赛，双方的比分也是扳平，下一场的赛点局成为了非常关键的比赛。
年龄：33岁 念能力：？系 简介：说他的速度可以跟飞坦媲美也不为过，可在一瞬间就把敌人的头给扭下来，擅长格斗技，动作和视力都非常优越，而且可以把敌人的动向行
应用微量法检测空腹血糖(FBG)和随即血糖(RBG)、放射免疫法测定空腹血清胰岛素(FIN),计算胰岛素敏感指标(ISI)=log[1／(FBG×FIN)]、以患者一周内RBG的标准差(d)作为反映近期血糖波动的指标。
首先,在现在这个以第三产业为导向的社会里,金融行业在很长一段时间里是很难以没落的,金融(FIN)就是..
但一支陆军却有机会通过芬兰（Fin），理芳尼亚（Lvn，注，原文为Liv，根据标准手册修改）莫斯科（Mos）一路向南推进。
厨魔（BoInnovation）的主厨梁从餐厅开业起就只供应绿豆制成的仿鱼翅。
舒宾的杰出成就是带领了一次北极探险。在这次探险中，他们发现了一种半鳍半肢的动物——一条有腕的鱼化石。
作为深耕证券行业20年的核心交易系统供应商，2000年成立的根网科技目前在北京、上海、深圳均已设立了管理团队。在2020年中国金融衍生品行业峰会之际，就最新的监管新规、IT服务商在券业领域的定位以及公司未来的上市计划等问题，《证券日报》记者对根网科技联合创始人兼董事长刘玉清进行了专访。
9月25日，备受证券行业关注的《证券公司场外期权业务管理办法》尘埃落定。监管新规在监管和开放方面呈现了什么样的趋势呢？对行业来说是否意味着利好落地？
刘玉清认为，新规落地，除了对根网科技这样的IT系统服务提供商是利好，对整个券业来说都是。新规作为对18年版规定的加强版，将模糊的定义清晰化，对粗略条文进行了细化，其中最主要的特点就是放宽了相关业务的准入条件，这意味上次市场的扩容。
这在表面上，是加大了开放，但同时也加强监管。因为监管越来越希望通过科技手段加强监管技术能力。本次新规就新增了电子报送的内容。整体上，持续的开放一定是趋势，但是这种开放一定是在加强监管的基础上，这个过程会贯穿我们中国的金融市场。
对于根网科技来说，构造第三方系统要做到“集中管理，分布控制”。就是所有的管理参数设置或者监控的方式是集中的，但是依然保留很多的运作系统是来处理不同的交易。IT系统本质上是为客户解决麻烦也就是“把复杂和麻烦留给自己，把方便和简单留给客户。”
在监管的行业规划中，是鼓励头部券商做大做强。在IT科技对金融系统越来越重要的今天，如果大型券商加快自研系统开发的话，是否会对根网科技的业务产生挤压？根网科技在行业中的定位到底是怎样的？
刘玉清认为这就是Fintech（金融科技）与Techfin（科技金融）的关系。券商哪怕自研系统，他们本质上也是拥有技术开发能力的金融机构，是Techfin；但是根网科技是Fintech，本质上是科技公司，提供专业的系统服务。对于券商来讲，最大的核心竞争力来自于他的策略，券商去研究那些最高精尖和最底层的技术是不划算的。这正是根网科技擅长的，对券商来说，把根网科技的技术整合进来，才是划算的。
刘玉清表示，根网科技的初心就是在系统建设上，不能因为自己的封闭或者水平能力限制了客户的发展能力，要永远以客户他自己的发展能力为宗旨来去推进业务。
面向C端的东方财富、同花顺等公司已陆续登陆资本市场，凭借相继成为各自赛道的明星股。作为面向B端的北京根网科技有限公司，相比之下并不为大众熟知，是否已有上市计划呢？
刘玉清思考片刻后，先就公司的定位进行了阐释。他表示“首先，我们给自己定位的是一个永葆年轻的行业老兵，在过去20年里，我们自己的基本面已经有了深厚的积淀，踏踏实实做事情是我们的公司基因，但我们也在持续保持一种创新的逻辑和创业的热情。”
《证券日报》记者了解到，2018年北京根网科技有限公司接受了知名私募资本领投的一轮融资。在追问下，刘玉清透露，“根网科技目前已经具备了走向资本市场的基本条件，但还没有明确时间表，我们还在动态地评估走向资本市场的最佳时机。”就上市意向地的选择，则是“都在考虑。”
“其实我们公司已经符合了有关上市条件，但是我们的赛道非常好，我们其实考虑的不是上不上，是以什么样的形态去上市。目前，我们希望能够把自己的工作做得更扎实。”刘玉清如是总结。
天津多措并举支持优质企业上市 本地企业喜提“大礼包”
奇正藏药8亿元可转债即将上市 将突破产能瓶颈、持续拓展营销网络
10月27日四大证券报精华摘要：5小时狂卖200亿元 年内第36只百亿元级新发基金诞生
银行理财风险评级藏隐患：部分产品实际风险与评级不匹配 客户风险测评“弹性大”
10月22日四大证券报精华摘要：准确把握经济大势 做好金融系统五项重点工作
前三季度上市险企揽入保费超2万亿元 信保业务“跳水” 车险增速持续提升
9月6日，国家发展改革委副主任、国家统计局[详情]
证券日报网所载文章、数据仅供参考，使用前务请仔细阅读法律申明，风险自负。