程序員歡樂送（第30期）

程序員歡樂送（第30期）

收錄於話題 #程序員歡樂送59個

對於我來講，一直保持的追求有三點：技術、快樂、財富。所以，今後三點出發，記錄過去一週，我所看到的，值得分享的內容，每週五把歡樂送達。

因爲微信不容許外部連接，你須要點擊頁尾左下角的「閱讀原文」，才能訪問文中的連接，文中的全部連接已使用藍色字體標記。

「

技術

Technology

」

一、And the bit goes down

深度學習熱潮席捲以來，工業界的人們一直考慮如何將深度學習算法落地到嵌入式平臺。在嵌入式平臺上實現高效的神經網絡，不是一件容易的事情。

面對不一樣的應用場景，性能、功耗、成本是不得不權衡的問題。這也致使人們每每須要在模型精度和模型計算速度之間作一個權衡。

以往人們的主流選擇都是MobileNets或ShuffleNets這類的高效精簡框架。

如今，咱們又多了一個選擇。Facebook提出了一種適用於ResNet系列網絡架構的壓縮方法：Bit Goes Down。

這種方法利用了結構化量化算法PQ（Product Quantization）中卷積的高相關性，重點關注activations的重建，而不是權重自己。

該算法是讓未經壓縮的神經網絡充當「老師」，利用提煉（distillation）技術來指導「學生」網絡的壓縮。

這一過程無需任何標記數據，是一種無監督學習方法。

項目地址：點擊查看

二、SlimYOLOv3

這是一個無人機目標快速檢測算法，做者對YOLOv3進行了剪枝，參數量、佔用內存、推斷時間大幅減小的狀況下，在無人機目標檢測數據集上實現了與原算法可比較的檢測精度。

算在在YOLOv3-SPP3基礎上進行了改進，在精度稍有降低的狀況下，預測時間、參數量、模型大小都減小了不少。

檢測效果以下：

項目地址：點擊查看

三、ERNIE 2.0

2019年3月，百度正式發佈NLP模型ERNIE，其在中文任務中全面超越BERT一度引起業界普遍關注和探討。

通過短短几個月時間，ERNIE再次升級，發佈語義理解框架ERNIE 2.0，及預訓練模型。

該項目使用PaddlePaddle深度學習框架，感興趣的能夠看一下。

項目地址：點擊查看

四、Antialiased CNNs

你們都知道：圖像主體位置變了，CNN可能就不認識這個圖片了。

緣由就在降採樣身上。不論是最大池化，跨步卷積，仍是平均池化，都對平移太敏感。

雖然，有著名的抗鋸齒 (Anti-Aliasing, AA) 方法，致力解決這個問題。但把這種模塊直接放進網絡中，會嚴重影響模型的表現。

近期，Adobe的研究者讓讓抗鋸齒和各類降採樣和平共處了，在保留平移不變性的狀況下，還能提高ImageNet上的分類準確率，VGG、ResNet、DenseNet等各類架構都適用。

能夠看下Anti-aliased方法與Baseline的效果對比，效果提高很明顯。

項目地址：點擊查看

五、EXTD

這是一我的臉檢測算法，與傳統人臉檢測算法不一樣的是，該算法是針對"小臉"設計的。

                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                     

圖片中佔比很小的臉，也能使用該算法檢測出來。

項目地址：點擊查看

六、TOM-Net

透明物體扣取算法聽過嗎？

TOM-Net算法是一種基於折射率流的方法處理圖像中透明物體的摳取，將透明物體的摳取問題轉換爲了折射率流估計問題。

模型分爲兩部分，一部分是多尺度的編碼-解碼網絡用於預測粗糙結果，隨後利用殘差模型來優化結果，模型的輸出爲目標的掩膜、透射率圖和折射率流。

爲了訓練這一模型，研究人員基於COCO數據集合成了178k的透明物體數據集，同時利用14個透明物體在60個背景下采集了876張真實圖像。實驗結果代表這種方法能夠高效快速的處理透明物體的摳取，同時也能夠方便地集成到已有的摳圖方法中去。

使用該算法，能夠將透明材質的牛模型，扣出，方便合成到任意圖片中去。

項目地址：點擊查看

七、Fairseq

近期，Facebook對已開源的fairseq的PyTorch版本：fairseq-py，進行了升級。

添加了RoBERTa和wav2vec算法的代碼和預訓練模型，感興趣的朋友能夠看下。

Fairseq是一個序列建模工具包，容許研究人員和開發人員爲翻譯、總結、語言建模和其餘文本生成任務訓練自定義模型，它還提供了各類Seq2seq模型的參考實現。該github存儲庫包含有關入門、訓練新模型、使用新模型和任務擴展Fairseq的說明。

項目地址：點擊查看

「

快樂

Pleasure

」

一、電影院買的蜘蛛俠可樂杯

                                                                                                                                                                                                                                                                                                                              二、淘寶聲明                                                                                                                         

「

財富

Wealth

」

工做幾個月，忽然發現，到手工資居然愈來愈少，對比發現我的所得稅增長了不少。

研究一下發現，個稅的稅率是按照累計預扣預繳應納所得稅額計算的。

我的所得稅公式：

我的所得稅=(應納稅收入-減除費用-專項扣除-專項附加扣除+其餘參與計稅項)x預扣率-速算扣除數-特殊減免

括號裏的部分，就是所說的累計預扣預繳應納所得稅額。

公式看起來挺複雜，能夠分開看。

應納稅收入，就是你每個月的工資。

減除費用，就是5000元個稅起徵點，月薪低於5000就不用納稅。

專項扣除，就是「三險一金」，包括：

• 基本醫療保險

• 失業保險

• 基本養老保險

• 住房公積金

專項附加扣除，就是專項減免政策，包括六個部分：

• 子女教育

• 繼續教育

• 大病醫療

• 住房租金

• 住房貸款利息

• 贍養老人

其餘參與計稅項，就是那些額外所得，也須要交稅的部分。

預扣費，就是上表中的，不一樣檔，不一樣的扣費標準，最低是3%。

速算扣除數，也是表中的數據，不一樣檔，數也不一樣。

特殊減免，是一種鼓勵政策有的時候，纔算的，通常都爲0。

可能有些繞，具體怎麼繳，舉個例子。

北漂小王，身體健康，月薪20000元。無房無車，剛畢業在北京租房住，父母也沒有退休。

從基本狀況能夠看出，專項附加扣除，只有一個住房租金，即每月1500元免徵額。

爲了方便計算，「三險一金」等專項扣除，記爲4300元。同時，每個月減除費用5000元。

開始計算我的所得稅，計算5個月的狀況，看一下。

1月份：

(20000-5000-4300-1500)*3% = 276，此時累計預扣預繳應納所得稅額爲20000-5000-4300-1500=9200，沒有超過36000，因此預扣率爲3%。

2月份：

(20000*2-5000*2-4300*2-1500*2)*3% - 276（1月份稅）= 276，此時累計預扣預繳應納所得稅額爲18400，沒有超過36000，因此預扣率爲3%。

3月份：

(20000*3-5000*3-4300*3-1500*3)*3% - 276 - 276 = 276，此時累計預扣預繳應納所得稅額爲27600，沒有超過36000，因此預扣率爲3%。

4月份：

(20000*4-5000*4-4300*4-1500*4)*10% - 2520 - 276*3 = 332，此時累計預扣預繳應納所得稅額爲36800，超過36000，沒有超過144000，因此預扣率爲10%。

5月份：

(20000*5-5000*5-4300*5-1500*5)*10% - 2520 - 276*3 - 332 = 920，此時累計預扣預繳應納所得稅額爲46000，超過36000，沒有超過144000，因此預扣率爲10%。

越到年底，稅越多，到手的錢也就越少。

此外，近期剛剛又有了北京市社保及公積金繳費基數調整的通知，社保及公積金基數根據我的上一年的平均月工資來覈定。

這錢啊，愈來愈難算了。

「

最後

The end

」

本週的程序員歡樂送，到此結束，下週再會。

Jack Cui https://cuijiahua.com

分享技術，樂享生活