程序员欢乐送（第46期）

一直保持的追求有三点：技术、快乐、财富，这里记录每周值得分享的内容，周五把欢乐送达。

技术

1、StyleGAN2

上一期《程序员欢乐送（第45期）》提到， StarGAN 升级了，有了 StarGAN v2 ，但是源码和数据集还没有放出。

NVIDIA 不甘示弱，也推出了 StyleGAN 的升级版 StyleGAN2 ，并且更进一步，代码也已经开源。

一会儿 StarGAN，一会儿 StyleGAN 是不是有点懵？两者是不同的两个算法，在实现上，都采用 GAN 网络的思想实现的，因此名字都带了一个 GAN。

StyleGAN 刚推出的时候，可谓风靡一时，例如我在《程序员欢乐送（第10期）》中提到的 AI 肖像生成网站，每次你刷新这个网站，网站就会给你一副人脸图片。

而这些异常逼真的肖像都是算法生成的，这个人并不是真实存在的，网站的title为This Person Does Not Exist，听着还有点小恐怖。

然而，StyleGAN并不完美，最明显的缺陷是生成的图像有时包含斑点似的伪影(artifacts)，而这一缺陷今天也被完美解决了。

近日，NVIDIA的研究人员发布了 StyleGAN2，重点修复 artifacts 问题，并进一步提高了生成图像的质量。

现在， AI 肖像生成 网站也对采用的算法进行了升级，采用最新的 StyleGAN2 ，如果想体验算法的生成的逼真效果，可以去 AI 肖像生成 网站看看，如果想学习算法原理，可以看下 StyleGANA2 项目主页。

AI 肖像生成网站：点击查看

项目地址：点击查看

2、文言文编程语言

编程语言有很多，Python、Java、PHP、JavaScript、C/C++，引战言论：那么问题来了，谁是世界上最好的编程语言？

除了这些耳熟能详的采用英文的编程语言，还有一些采用中文的编程语言，例如易语言。所有语法均采用中文的编程模式，深受国内小部分人的喜爱。

近日，出现了一种堪称『诡异』的编程语言，红极一时。Wenyan-Lang，即文言文编程语言，欣赏一下：

Wenyan 为文言文的语法，对应的是 JavaScript 的语法，Output为输出。

一般的编程里，循环判断有if、while、for，文言文编程在这件事上更是变化无穷。下面就是一段文言文书写的判断语句：

翻译过来就是：

此外，项目文件还有个脚本src/render.js，它可以把程序渲染成古代书籍的样子。

古代程序员既视感，挺有趣的一个项目，还提供了网页版的IDE，感兴趣的可以去看看。

网页IDE：项目地址

项目地址：点击查看

3、EfficientDet

在计算机视觉领域，模型效率的重要性越来越高。近日，谷歌大脑团队 Quoc V. Le 等人系统研究了多种目标检测神经网络架构设计，提出了能够提升模型效率的几项关键优化。

首先，他们提出加权双向特征金字塔网络（weighted bi-directional feature pyramid network，BiFPN），从而轻松、快速地实现多尺度特征融合；

其次，他们提出一种复合缩放（compound scaling）方法，同时对所有主干网络、特征网络和边界框/类别预测网络的分辨率、深度和宽度执行统一缩放。

基于这些优化，研究者开发了新型目标检测器 EfficientDet。

EfficientDet 结构简洁只使用了 52M 参数，326B FLOPS 的 EfficientDet-D7 在 COCO 数据集上实现了当前最优的 51.0 mAP，准确率超越之前最优检测器（+0.3% mAP），其规模仅为之前最优检测器的 1/4，FLOPS 计算量更是降低 9倍 之多。

项目地址：点击查看

4、VIBE

VIBE 是一种针对视频的人体姿态估计和形状估计算法，VIBE 算法可以输出视频帧中的人体 SMPL 模型参数。

SMPL 模型是一种参数化人体模型，是马普所提出的一种人体建模方法，该方法可以进行任意的人体建模和动画驱动，SMPL 模型示意图：

VIBE 算法支持 CPU 和 GPU 处理，支持多人场景，在 RTX2080Ti 上，运行速度可以达到 30 FPS。

项目地址：点击查看

5、RDSNet

目标检测与实例分割是计算机视觉领域重要的两个任务，近年来出现了非常多优秀的算法解决这两个问题，且都取得了优异的效果。

但是，却鲜有文章深入分析两者之间的关联，也就导致了诸如下图所示的错误的出现：

上面的结果由Mask R-CNN得到的，可以看到由于边界框定位不准导致前两张图的实例掩码缺失，以及后两张图的边界框与实例掩码不统一。

近日，来自中科院自动化所的硕士生王绍儒提出的算法，很好地解决了以上问题，可以同时完成目标检测与实例分割任务，两个任务能相互辅助，同时取得了性能的提升。

在 COCO 数据集上，此方法在单阶段算法中可以达到更优的速度与精度的平衡，以近 3 倍的速度取得了和 TensorMask 相近的精度，以相近的速度在 YOLACT 的基础上取得了 2.3mAP 的提升。

项目地址：点击查看

6、深度梯度泄漏

在协同学习 (collabrative learning) 和联邦学习 (federated learning) 中，每个用户的数据始终储存在本地，仅有模型的梯度在不同设备之前传播。

这类算法不需要将数据集中到一处，可以在保护用户隐私的同时，也让模型从海量数据中受益。

例如多家医院可以共同训练一个医疗模型而无需共享患者的医疗数据，只需要进行梯度共享。

『梯度共享』方案是否真的可以保护参与者的私人数据？MIT 的研究表明，这是不安全的。

研究者提出深度梯度泄漏算法（DLG）：公开的梯度会泄漏个人的隐私数据。他们提出了一种优化算法，只需几次迭代即可从梯度中获得训练输入和标签。

如果是带参数服务器（Parameter server）的训练（下图左侧），中心服务器能够窃取所有参与者的隐私数据。对于无参数服务器的训练（下图右侧），情况甚至更糟，因为任何参与者都可以窃取其相邻节点的训练数据。

研究者在视觉（图像分类）和语言任务（隐蔽语言模型）上的验证了攻击的有效性。在各种数据集和任务上，DLG 只需几个梯度步骤即可完全恢复训练数据。

项目地址：点击查看

快乐

1、叛逆期的年轻人有多硬核

2、这孩子，我服了！

财富

今天聊聊A股，A股其实从12月初到现在走势都挺好，500ETF 在12月份涨了 7.45% 。

月初的时候，投资者都很保守，更多的是看空市场。

12月13日（周五）晚23时，国务院新闻办公室突然召开发布会，通报中美谈判情况。

• 经过中美两国经贸团队的共同努力，双方在平等和相互尊重原则的基础上，已就中美第一阶段经贸协议文本达成一致。
• 协议文本包括序言、知识产权、技术转让、食品和农产品、金融服务、汇率和透明度、扩大贸易、双边评估和争端解决、最终条款九个章节。
• 同时，双方达成一致，美方将履行分阶段取消对华产品加征关税的相关承诺，实现加征关税由升到降的转变。

以我小民的思路去看，这贸易战应该是歇一歇了。

这对我们确实算是一个大利好了，年底一大悬念落了地。

A股在12月16日（周一）开盘也做出了反馈，证券ETF领涨，各股飘红，喜大普奔。

炒股也一年了，一个很简单的小经验就是，市场转热，券商往往最先有所反应。

本来计划是12月16日，继续定投4000。但是看市场太热，涨势太好，反而不敢投，犹豫了，12月也就没有追投。

500ETF 从3月份开始定投到现在，涨了少投，跌了多补，目前盈利 4.2%，小赚1000多。

不知道这波行情会持续多久，先放着吧，至少盈利10%，才会锁定收益。

这两天涨势稍有回落，不知会回调到什么程度，没在车上的朋友，可以看看机会。

最后

本周的程序员欢乐送，到此结束，下周再会。