【小金乌×杨婵】陪你走过漫长岁月(一)-许晏儿
《天天向上》停播超半年，在播节目为零，汪涵的中年危机来了吗原创2023-06-03 14:57·阿宇说娱#挑战30天在头条写日记#俗话说：“一山不容二虎”，但芒果台的两大台柱子汪涵与何炅却惺惺相惜，相安无事，实在难得。巅峰时期，两人的实力和名声不相伯仲，谁是“一哥”曾引发网友诸多的争论，但两人的关系却相当融洽，就像汪涵所说：“何炅是‘一哥’，我是他大哥。”汪涵说他是“大哥”，是指他的年龄比何炅大，但也就是早出生了21天而已，两人是同龄人，又几乎同一时间加入湖南卫视，在《超女》《快男》都合作过，又在各自的王牌综艺《天天向上》和《快乐大本营》中大放异彩，双双成为芒果台不可撼动的台柱子。但“花无百日红”，两人都遭遇了职业生涯最大的痛，各自的王牌节目风光不再，都被“停播”，不过此后的命运也大不相同。何炅领衔的《快乐大本营》在2021年10月停止更新，官方解释是“升级改版”，2个月后，一档全新的节目《你好 星期六》接档，其实就是升级版的《快乐大本营》，何老师留下来了，但节目改名了，“快乐家族”也不在了。汪涵领衔的《天天向上》在2022年10月初更新完一期节目后，也启动了“升级改版”，只是到现在将近8个月了，却依然没有复播，观众似乎也将这档节目遗忘了。之所以差异这么大，是因为这两档王牌节目“停播”的原因不一样，《快乐大本营》虽然不复巅峰，但收视率不差，招商也不成问题，只是因为“收礼”风波的影响，节目和“快乐家族”成了众矢之的，芒果台就痛定思痛，将节目彻底地改头换面。《快本》收视排全国第6，《天天向上》榜上无名《天天向上》纯粹是因为收视跌入了谷底，芒果台虽然做了诸多努力，最大的改变是组建了4老4少的New-tro兄弟团，但收视依然低迷，原冠名商到期后不再续约，节目“裸播”了1个季度。不仅常规节目复播遥遥无期，在今年4月两档季播综艺《云上的小店2》《我想和你唱4》相继播完后，至今1个多月了，汪涵还没有新节目上线。相反，何炅却忙得不可开交，4档综艺星网同播，《青年π计划》《向往的生活7》《你好 星期六》《声生不息.宝岛季》持续霸屏，他下半年播出的新节目还有《好样的!国牌》等。在主持晚会上，2人也相差甚远，何炅依然是可以全程脱稿的“定海神针”，汪涵却离不开手卡，是需要读稿的“低头族”，所以汪涵主持的晚会越来越少，何老师却肩负重任，以老带新，有他在就让人莫名的放心。从主持风格和个人性情来看，汪涵喜欢读书和收藏，不使用智能手机，不关心娱乐八卦，思想更深邃，言语更犀利，他更适合做偏文化类的节目，何炅则是个全能型的主持人，没有短板，精力旺盛，八面玲珑，几乎没有他参与不了的综艺节目。此外，在职业规划上，2人也大相径庭，何炅专心于主持事业，汪涵则有淡出主持人的迹象，从《我想和你唱4》就可见一斑，他将站在台上的机会让给了徒弟沈梦辰和齐思钧，自己大多时间却坐在了观众席上。看了《云上的小店》，你也会发现，汪涵更关心民生大事，对乡村振兴献计献策，亲力亲为，所作所为已经超出了一般艺人的范围，看看他另外的身份，你就会明白了，所以他跟何炅的发展方向不同，在娱乐赛道他无疑落后很多，但在更广阔的赛道他走得更远。汪涵与何炅，你更喜欢谁？欢迎留言评论。
2024年12月17日，望海观音。香火鼎盛的望海观音据说非常灵验，不管如何，来这个宁静的虔诚之地祈个福吃个斋菜，也是洗涤心灵的好去处。
【小金乌×杨婵】陪你走过漫长岁月(一)-许晏儿
但是从前的懦弱没有很好的保护好女儿要不然女儿也不会自己动手了
上海联合产权交易所方面当日表示，由于“专精特新”涉及行业门类众多，不仅有纵向比较的需要，也有必要从市场竞争力方面做横向比较。这样可以更加客观地反映出不同行业公司的市场表现和影响力；帮助公司能够了解和借鉴不同行业“小巨人”公司的成功经验及做法，从而帮助公司有针对性地改进；同时，配合政府对不同行业“专精特新”公司进行分类指导支持。(完)那个在国际翻译大赛上夺冠的模型，字节刚刚开源了（附夺冠代码）2022-04-14 14:57·机器之心Pro机器之心发布作者：钱线、封江涛、周浩Transformer 等文本生成主流算法的逐词生成对适合并行计算的 GPU 并不友好，会导致 GPU 利用率低下。并行生成有助于解决这一问题。前不久，字节跳动火山翻译团队的并行生成翻译系统 GLAT 拿下了 WMT2021 De-En/En-De 的双料冠军。为了帮助大家跟进这一成果，火山翻译开源了一个名为 ParaGen 的 Pytorch 深度学习框架，其中包含 GLAT 模型复现和 WMT21 的代码。代码地址：https://github.com/bytedance/ParaGen文本生成是自然语言处理的一个重要研究方向，具有广泛的应用场景。比如文本摘要、机器翻译、文案生成等等。不同于一般的分类、标注等任务，文本生成不仅要考虑每个词的重要性，提高单词的预测准确性，也要兼顾词语之间的搭配，保持整个文本的流畅度。因此一般的做法是逐词生成，每产生一个词都会考虑和已有词的关系。经过以上步骤进行文本生成的这类模型称为自回归模型，比如目前主流的生成算法 Transformer。该模型首先对原始文本进行编码，比如机器翻译中的待翻译文本或者是文本摘要中的原文。然后再从左到右逐词解码产生翻译好的文本或是摘要。基于该算法的开源软件有 tensor2tensor、fairseq 等。然而逐词生成对适合并行计算的 GPU 来说并不友好，导致 GPU 利用率低下，句子生成速度慢。因此近年来有很多研究探索如何并行生成文本，降低响应延时。此前，字节跳动人工智能实验室 (AI-Lab) 的火山翻译团队研发了并行生成的翻译系统 Glancing Transformer (GLAT)(参见《ACL 2021 | 字节跳动 Glancing Transformer：惊鸿一瞥的并行生成模型》)，并且使用它一举拿下了 WMT2021 De-En/En-De 的双料冠军 (参见《并行生成奇点临近！字节跳动 GLAT 斩获 WMT2021 大语种德英自动评估第一》)，彰显出了并行生成的强大潜力。ParaGen 正是在这个背景下应运而生。团队的研究者们发现，对于并行生成来说，单单是模型的改进已经不能满足研究的需求，训练方法、解码算法的改进也变得日益重要。而 ParaGen 的开发正是为了解放并行生成研究的生产力。在 ParaGen 中，火山翻译开源了 GLAT 模型复现和 WMT21 的代码，帮助大家更好地去跟进并行生成的研究结果。在未来，火山翻译也将开源更多并行生成相关的技术，推动并行生成技术的进一步发展，帮助并行生成这一技术逐渐走向更多的生产应用。与此同时，除了并行生成以外，ParaGen 也支持了多元化的自然语言处理任务，包括自回归翻译、多语言翻译、预训练模型、生成任务、抽取任务、分类任务等，并提供从零复现的代码，帮助刚接触自然语言处理研究的同学更快进入到研究的状态。ParaGen 让开发更灵活、更自由、更简便ParaGen 支持了多达 13 种可自定义模块，包括数据读入、数据预处理、数据采样、数据加载、网络模块、训练模型、推断模型、优化目标、搜索算法、优化器、数值规划器、训练算法和评价目标，相比于同类的文本生成框架，大大提高了二次开发的灵活性。而对于不同的模块，ParaGen 采用微内核的设计，每个模块只提供一些通用基本的实现，彼此之间互相独立，比如数值优化器中 InverseSquareRootRateScheduler、网络模块的 positional embedding、数据读入的 JsonDataset 等。也正是得益于这细致的 13 类模块拆解，ParaGen 可以更方便地进行自定义。例如需要实现 glancing training 的方式，在 ParaGen 里面仅仅只需要重载一个 forward_loss 函数，就可以模块化的实现自定义的训练。import torchfrom paragen.trainers.trainer import Trainerfrom paragen.trainers import register_trainer@register_trainerclass GLATTrainer(Trainer): """ Trainer with glancing strategy """ def _forward_loss(self, samples): glancing_output = self._generator(**samples['net_input']) fused_samples = self._fusing(samples, glancing_output) logging_states = self._criterion(**fused_samples) return loss不同于既往的过程式开发，ParaGen 更偏向于组装式开发。过程式开发中，框架固定一个流程代码，用户则想办法将各个模组填入到流程里面。而 ParaGen 的组装式开发则是完全不同。想象你目前正要实现一个任务，ParaGen 像是一个工具箱，你可以根据自己想要的功能组装出一个完整的流程出来，比如可以选择合适的 Dataset 类来进行数据读取、选择 Sampler 来进行 batch 组合、选择 Metric 来进行结果评估、甚至定义自己的训练流程等等。而在碰到了没有实现的工具时，ParaGen 的工具又可以作为父类使用，通过重载一小部分的函数来定制自己的专属工具，以适配更多的任务。与此同时，ParaGen 代码结构拆解的更加细致，用户只要花 2-3 小时阅读代码就能了解整个项目的框架，从而定制自己的任务。不仅如此，ParaGen 也提供了相应的教程，帮助初学者认识学习了解整个 ParaGen 代码的基本知识和使用方式。ParaGen 让开发更稳定ParaGen 能够很好的支持不同方向的同时开发。ParaGen 支持可插拔的方式进行代码开发，允许用户脱离框架进行开发。用户可以在任何的目录下开发自己专属的模块，并通过 --lib {my_lib} 命令进行导入 ParaGen 执行，使得二次开发代码独立于主代码，更加有利于二次开发代码的维护和主框架的稳定，保证了不同项目开发的并行性和稳定性，不会引起彼此代码的冲突。ParaGen 采用 apache2 开源协议，该协议十分宽松，比如允许其他开发人员二次开发后闭源等，方便更多的优秀开发人员或者团队的参与。作为首款翻译质量超过传统自回归模型的并行文本生成软件，ParaGen 证明了同时兼顾速度和质量的可行性，为后续研究提供了可复现的实现。在应用层面，极大地满足了终端部署的低功耗快速响应的性能需求。在后续的开发中，ParaGen 一方面会探索更多并行算法，比如条件随机场模型，进一步提高性能。另一方面也会开拓更多的部署环境，比如移动终端，嵌入式系统等等，方便更多实际场景的应用开发。