戴尔笔记本电脑更新系统，还没更新完后一个多小时进入不了系统，于是愚蠢的我就把它强制关机了。。_百度知道
戴尔笔记本电脑更新系统，还没更新完后一个多小时进入不了系统，于是愚蠢的我就把它强制关机了。。
今天开机时是这个鬼样子，我该怎么办
我有更好的答案
//g.hiphotos.baidu.com/zhidao/pic/item/8bf703bfa513d2797c5bc.com/zhidao/wh%3D450%2C600/sign=502f51f5e92f74c012663/bd3eb1ddc524ff61fa9b.jpg" />根据提示制作好启动盘启动盘制作完成.jpg" esrc="http://e，U盘。到选择磁盘时.hiphotos.baidu.com/zhidao/pic/item/738bfce1.com/zhidao/pic/item/e1fea206a4854778f.jpg" target="_blank" title="点击查看大图" class="ikqb_img_alink">打开下载工具，点为另一台电脑创建安装介质用户选择语言、版本选择家庭中文版、体系结构选择x64。选择要使用的介质，<a href="http://e.hiphotos://d。如果预装的正版是win10家庭版.baidu://e，选择C盘并格式化C盘。然后按提示安装就可以了://g：win10启动盘制作与安装：准备好一个8G的U盘，插入其它能上网的电脑
采纳率：90%
来自团队：
重装系统，耐心等待安装完毕。这种情况强制关机重启很容易坏硬盘，我就有血的教训
自己动手，直接重新安装操作系统就是。
为您推荐：
其他类似问题
&#xe675;换一换
回答问题，赢新手礼包&#xe6b9;
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。感谢赞赏！给好友秀一下吧
内容棒，扫码分享给好友
还在嫌 Prisma处理图片太慢，你知道它有多努力吗？
全文&4454 字，阅读时间预计 8&分钟。该来的还是来了。前天凌晨中国版 Prisma 发布，它的名字叫 “深黑”。不管黑不黑，读完本文你将看到：Prisma 前身德国初创企业 Deep Art 的【独家专访】俄罗斯火爆全球的应用 Prisma 为何被德国人【吐槽】图像领域应用的玩法【大盘点】撰稿：季星&丁卡 加辰 房宫一柳 编辑：袁帅 顾问：丁晓诚&邢一男 制图：房宫一柳2016&年&8&月&16&日凌晨&00：01，一款名为 “深黑” 的APP&在 Android 平台上线公测版。简介描述里“基于人工智能”、“不同于传统滤镜”这些用词，加上看作品画风，让人联想起&2016&年大火、仅次于&Pokeman Go&的&APP——Prisma。▲深黑的作品展示。图片来源：http://www.oandf.cn/deepblack/index.htmlPrisma&体现了当今人工智能时代，人们想要用计算机代替传世画家的野心。印象派、野兽派、浮世绘、波普、解构主义，曾经艺术风格都是画家脑中不可捉摸的概念。而到了人工智能时代，所有艺术风格都被证实是可以进行 “量化”&的，通过机器学习，可以源源不断地产生新作品。在量化（数学）与风格（艺术）之间，吊诡的是时间。最勤奋的油画画家达芬奇，画一幅普通作品也需要花费一周左右；而到了人工智能时代，这个时间是：不到&20&秒。&趁着中国版 Prisma 的发布，我们今天复盘一下深度学习的图像应用。把计算机 “调教” 成梵高似乎欧洲国家对艺术这件事比其他地区更有群众基础。早在&2016&年&Prisma&大火的一年之前，就有三个德国研究员想把计算机调教成梵高。这三个研究员名字分别叫做莱昂 · 盖提斯（Leon Gatys），亚历山大 · 埃克（Alexander Ecker）和马蒂亚斯 · 贝特格（Matthias Bethge），来自德国图宾根大学（University of Tübingen）的 Bethge 实验室。他们研发了一种算法，模拟人类视觉的处理方式。具体是通过训练多层卷积神经网络（CNN），让计算机识别，并学会梵高的&“风格”、然后将任何一张普通的照片变成梵高的《星空》。Deep Art 首页贴出得到一张 “梵高风格” 图片的步骤。第一步，吸收用户拍摄的照片。第二步，让计算机学会星空图的风格。第三步，计算机输出自己做的“新画”。在人类的视觉系统中，从眼睛看到一件实体，到在脑中形成图像的概念，中间经历了无数层神经元的传递。底层的神经元获取到的信息是具体的，越到高层越抽象。这三个德国人发现，如果用计算机模拟这个网络，将每一层的结构分析出来，能看到：在采样过程中，底层网络对于图像的细节表达得特别清楚，越到高层像素保留得越少，轮廓信息越多。所谓深度学习（Deep Learning）中的&“深度（Deep）”&即意为层数。神经网络的每一层都会对图片特征进行提取，而 “艺术风格” 则是各层提取结果的叠加。这三个德国人把他们的上述发现写成了两篇论文：《艺术风格的神经算法（A Neural Algorithm of Artistic Style）》，和《利用神经卷积网络进行纹理合成（Texture Synthesis Using Convolutional Neural Networks）》，在学术圈引起极大的讨论。&“起初，我们只是想创造一个关于神经科学的新鲜事物。而艺术人工神经网络的状态与人类的视觉系统有颇多相似之处。所以后来我们觉得，可以对图片做更有趣的处理。”&莱昂 · 盖提斯对深蓝 Deeper Blue 说。论文发表后不久，他们便建立了一家名为&Deep Art&的初创公司，着手实现他们在论文里提出的想法。▲Deep Art 网站，图像制作界面。Deep Art 提供多种艺术风格选项，图像制作完成后需发至用户邮箱。图片来源：&https://deepart.io/hire/用户在&Deep Art&网页上上传自己的照片，然后通过 Deep Art 提供的&“机器人梵高”&进行新画创作。整个过程需要等待几个小时让计算机进行数据运算和处理。用户可以选择清晰程度不等的作品。用户可以花上&19&欧买一张适合明信片用的作品，或者多掏&100&欧，买一张大尺寸油画级别的。莱昂 · 盖提斯们做的事情并不是美图秀秀的滤镜。在 Deep Art 出来之前，已经有很多致敬莫奈与梵高的滤镜类应用，但核心原理和 Deep Art 完全不同，比如 2010 年上架的 Mobile Monet, Van Gogh Camera 。▲Camera Monet 与 Van Gogh Camera的界面展示。这两款滤镜软件，都能讲用户照片渲染成某种艺术效果。但核心原理和Deep Art使用的卷积神经网络完全不同。（深蓝制图）。如果我们将同一张图片放入 Van Gogh Camera 中，Van Gogh Camera 会按照程序员事先内置的&“公式”，计算图中每一个像素点，最后输出一张梵高风格的照片。但只要我们想将图片风格从梵高换到毕加索，程序员就必须重新写一套代码，更改计算 “公式”。而在&Deep Art&中，编写 “公式” 的程序员是卷积神经网络（CNN），只需输入梵高的《星空》，卷积神经网络便能自动提取这幅画作的风格特征，并量化成具体公式。也就是说，艺术史上所有的作品都能作为滤镜来源。“卷积神经网络可以被看做是一个机器艺术家。”&莱昂 · 盖提斯说。从德国到俄罗斯2016 年年初，俄罗斯计算机工程师阿列克谢 ·&莫伊谢延科夫（Alexei&Moiseyenkov）读到了这三个德国人的论文。他敏锐地嗅到，德国人做的远远不够，这项技术在消费级市场仍是一片空白。随后他组建了一个四人团队，研发了 Prisma，力求做到：免费，更快，更简单。“&两个月研究数学模型，一个半月开发。”&莫伊谢延科夫说。“ Prisma 第一次将这项技术成功商业化。他们充分考虑了智能手机覆盖率的飞速增长，并且细致研究了用户行为。Prisma 接入的是以亿数量级的市场。”&《莫斯科时报》这样报道他们：“ 谁抓住了用户需求，谁就能成为亿万富翁。”Prisma 的横空出世，算是俄罗斯互联网圈子少有的高光时刻。2016年6月中旬，这款应用刚在&iOS&上发布，15 天内下载量&750 万，火遍四十个国家。巨大的成功甚至让开发团队措手不及，不得不以每天扩大一倍的速度提升服务器处理能力。“看起来，整个俄罗斯都被我们征服了。”&莫伊谢延科夫随后在 Facebook 上写下了这句话。8 月 2 日，Prisma 全球范围内已获得超过 5000 万用户。▲坐拥 2300 万粉丝的俄国总统梅德韦杰夫也成为 Prisma 的用户。他在 Instgram 上晒出一张 Prisma 作品，迅速获得 8.7 万个赞。Prisma 比 Deep Art 先进的地方在于，它大大缩短了图像处理的时间。在用户还没有达到十几亿数量级的时候，每张照片在&Prisma 系统内的处理时间只有&20&秒。其次，Prisma 是一款免费手机应用，相比网页版的 Deep Art, 无疑具有更多的用户基数。20秒，全球的某个角落，一个用户上传照片，他的照片被传送到位于莫斯科的服务器上，Prisma利用人工智能和神经网络进行处理，然后经 “风格化” 后的图片再返回用户手机。这个速度在业内是顶级的。为什么这么快？“一定是下了血本，”一位来自国内著名人脸识别技术公司的工程师告诉深蓝&Deeper Blue，“在我当时搭建的框架之下，用普通笔记本的计算能力，做一张这样的图有可能需要几个小时。”德国人莱昂 · 盖提斯则对深蓝 DeeperBlue 猜测道：“我认为他们训练了一个前馈神经网络来制造图片。”“Prisma&没有完全依赖机器学习，而是对一些关键的内容加以控制。”一位业内人士则对深蓝 Deeper Blue 说，“例如，在海量的用户上传内容中，一定有相当一部分比例是人像，而相对于原始算法，Prisma&对面部细节的处理似乎更胜一筹，也许他们专门加入了对面部的识别和控制。”据莫伊谢延科夫自己介绍，Prisma 一共用了三组神经网络，它们分工明确：两组神经网络负责的风格提取和照片制作，还有一组神经网络作为后台，为整个计算过程加速。相比之下，Deep Art 更像是精工细作的手艺人。莱昂 · 盖提斯认为自家的原始算法虽然慢一些，但在细节表现力上更胜一筹——&“是真正的艺术品。” Deepart.io&提供的收费高分辨率大图，堪比一副挂在博物馆墙上的画。▲Deep Art 主页上，关于作品定价的界面展示。图片来源：https://deepart.io/pricing/“他们的风格化工作比最初的工作要弱了些，我认为他们是做了一些较低级别的图片处理，以掩盖风格化的不足，例如，加强了边缘的表现。”&莱昂 · 盖提斯对深蓝&Deeper Blue&说，他认为 Prisma 牺牲了艺术质量而求速度。群雄逐鹿大部分人之前推测&Prisma&会推出更多滤镜来变现，但在&Prisma&主创拜访过&Facebook&之后，爆出他们的下一步的计划是做视频。2016 年&7 月20 日，Prisma 创始人莫伊谢延科夫在 Facebook 官方账号上上传了一段 29 秒的音乐视频。这段视频的每一帧，都经过艺术风格渲染。▲一段 Prisma 艺术效果视频。Prisma 已经在官方 Facebook 上发布了多个音乐视频。然而，并不只有&Prisma&一家在转视频这个方向。仅仅隔了&9&天，Prisma&的天使投资方、俄罗斯互联网巨头&Mail.Ru&公司副总裁安娜 · 阿塔莫诺娃（Anna&Artamonova）在 Facebook 上宣布了&Prisma&直接竞品&Artisto 的发布。这是一款结合神经网络和人工智能技术的视频处理软件，可以为视频添加动态的艺术特效。虽然视频长度不能超过 10&秒，但名画风格的图像&“动起来”&确实赏心悦目。阿塔莫诺娃称这个视频软件只花了 8 天时间研发。▲副总裁 阿塔莫诺娃接连在 Facebook 上发布 Artisto 制作的视频。&图片来源：https://www.facebook.com/artamonova/videos在&Prisma 安卓版上线的第二天，俄罗斯最大社交网站 VKontakte&也推出了一款和 Prisma 类似的产品：Vinci，两者的功能和外观都非常相似。Vinci&不仅将图片加工时间缩短到了 2 秒钟，还快速开放了 iOS&与 安卓市场，并且覆盖到 Prisma 未能涉足的&Windows Phone&领域，成为 Windows Phone上第一个运用神经网络的软件。值得一提的是，社交网站&VKontakte&也是&Mail.Ru&的旗下产品。截至到 2016 年&8&月 2 日，在俄罗斯 APP Store 免费榜上，Artisto 高居榜首，Vinci 位居第二，而 Prisma 则落到了第五的位置。▲图片制作软件 Vinci 的界面展示。图片来源：http://mspoweruser.com/vinci-great-alternative-prisma-now-available-windows-mobile-devices/不仅仅是俄国人在想视频这件事，Deep Art&那三个德国人也瞄准了视频市场。前不久，Deep Art&官方网站放出了一段&demo，开始制作付费短视频。一段 720p的视频（最长五分钟）售价&249&欧元。Deep Art 的产品高价位和慢速度，定位的是中高级市场。而在大众消费端，免费产品 Prisma，Vinci，Artisto 不论谁赢，都是俄罗斯互联网巨头公司&Mail.Ru 的胜利。与其说几款产品是在技术上较量，不如说这是互联网资本大鳄的强势布局。然而，事实上深度学习在视频上还处于起步阶段，主要面临如下三个挑战：第一，视频的数据处理量比图片更大，对计算能力的要求指数级增加；第二，如何保持帧图像在时间轴上的信息一致性，而不是单独处理每一帧图像，也是难题；第三，视频中的物体时刻在运动，如何追踪其在空间中的动态变化，研究员们还没找到好的方法。除了我们盘点过的这些&“滤镜类应用”，深度学习在图像处理上应用还有很多。总的说来，深度学习图像应用按照过程可以分为两部分：输入与输出。输入可以视作是 “机器视觉”，即机器内部建立起对图像的理解与认知——比如去判断图片中人像是不是本人，对图中物品进行分类等；输出是进一步做出判断、决策，并触发行动，比如自动驾驶中通过分析摄像头采集到的道路信息，对控制系统下达加速、停车等指令。在图像识别的高准确度的基础上，深度学习能够完成更为复杂的任务。举个例子，如果说百度图片搜索、微博自动检测图片中的敏感词属于计算机理性认知层面应用的代表，那么像 Prisma 这样的应用就是在深度学习的帮助下，让计算机不仅可以理性识别，还能感性认知图片，理解图像的风格与内容关系。这才是人工智能的意义所在。计算机感知能力的发展决定了机器世界能否真正建立自洽、完整的知识体系，最终实现对人类能力的替代、延伸和增强。按领域内容，深度学习在图像中的应用分为：图像识别、分类、检测、搜索、特征提取和视频处理这几大类别。其中，人脸识别是突破最快的深度学习图像应用。早在 2014 年便有多个初创科技团队达到了逼近或者超越肉眼的识别率，如下图展示：▲各公司利用自己的公开样本集测试，提交测试结果。结果显示，汤晓鸥教授团队研发的人脸识别产品&Deep ID&已经超越肉眼的识别率。其中，小横线上面是技术产品名，下面是团队名称。（深蓝制图）这几家公司中，Facebook 已经将&Deepface 的成果整合到自家产品中了。如今，用户上传照片到&Facebook 账号，系统就能自动标注图中的每一个人。而旷视科技和以汤晓鸥教授为技术核心的&“商汤科技”，则主要为金融、安防等部门提供成熟的身份认证产品，客户包括支付宝、招商银行、反恐部队等。▲商汤科技与旷视科技主要客户对比图（深蓝制图）Facebook 可能是这三家巨头中对深度学习图像应用最具有野心的大公司。据内部可靠消息，Facebook 或将在下周末（2016年8月底）将他们最新的研究成果代码开源。如果用一句最简单的话来形容 Facebook的新突破，叫做 “采用无监督学习让计算机无中生有，自己生成图片”。▲三大互联网公司在深度学习上的布局一览。（深蓝制图）在以往，人们让计算机去做图像生成采用的是监督式学习，即需要利用大量带标签的数据去训练人工神经网络，后者才能逐渐学会识别东西。比方说，给计算机看&1000&张猫的图片，看多了之后神经网络会逐步对猫建立模型并识别其他猫的图像。但在今天，Facebook 采用的是无监督学习，让计算机自主生成一些含有飞机、汽车、小鸟等东西在内的场景图像样本，并令观众信以为真。Google 的 Deep Dream 是一个会画画的计算机。它自动识别图像，筛选出某些部分，进行夸张，以创造出一种迷幻效果。半年前，Deep Dream 于湾区举办了成功的画展。Deep Dream 模仿 500 年前文艺复兴时期的德国画家汉斯·荷尔拜（Hans Holbein）的笔触与绘画技巧，画出了一系列硅谷名人。每张画作足以让人们掏出几千美金来收藏。然而，Deep Dream&的算法有时候会给人惊吓。如果它发现你的脸部线条有点像一只狗，于是它会把那一块区域画成一个完整的狗。“这就像吃了&LSD，计算机会出现幻觉。于是到处都是狗！” 一位来自&Google AI Lab&的员工说。▲Google Day Dream&的画作。图画中不少区域被计算机处理成狗头、漩涡。无论如何，计算机正在向我们展示它们自己的梦想。参考文献：i,&Gatys, Leon, Alexander S. Ecker, and Matthias Bethge. &Texture synthesis using convolutional neural networks.&&Advances in Neural Information Processing Systems. 2015.ii, Gatys, Leon, Alexander S. Ecker, and Matthias Bethge. &A neural algorithm of artistic style.&&arXiv preprint arXiv:&(2015).ii, 王晓刚. &深度学习在图像识别中的研究进展与展望&. 2015.iii, Venture Scanner. Artificial Intelligence Market Overview. 2016.iv, He, Kaiming, et al. &Deep residual learning for image recognition.&&arXiv preprint arXiv:&(2015).v, Denton, Emily L., Soumith& Chintala, and Rob Fergus. &Deep Generative Image Models using a Laplacian Pyramid of Adversarial Networks.&&Advances in neural information processing systems. 2015.vi, Sun, Yi, et al. &Deep learning face representation by joint identification-verification.&&Advances in Neural Information Processing Systems. 2014.vii, Sun, Yi, Xiaogang Wang, and Xiaoou Tang. &Deep learning face representation from predicting 10,000 classes.&&Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. 2014.viii, Sun, Yi, et al. &Deepid3: Face recognition with very deep neural networks.&&arXiv preprint arXiv:&(2015).欢迎转载，如需授权，请联系微信号：jixingjoyce
*文章为作者独立观点，不代表虎嗅网立场
授权 虎嗅网 发表，并经虎嗅网编辑。转载此文请于文首标明作者姓名，保持文章完整性（包括虎嗅注及其余作者身份信息），并请附上出处（虎嗅网）及本页链接。原文链接：http://www.huxiu.com/article/160706.html
未按照规范转载者，虎嗅保留追究相应责任的权利
未来面前，你我还都是孩子，还不去下载 猛嗅创新！
最多15字哦
后参与评论
微信：deepbluetech503 Service Temporarily Unavailable
503 Service Temporarily Unavailable