剑指Java自研框架，决胜Spring源码

• 第9章 自研框架AOP的讲解与实现 【实战了解SpringAOP的核心脉络】

  保存下载
  -
• 第8章 精讲SpringIoC容器的依赖注入 【攻坚Bean实例的创建】

  保存下载
  -
• 第7章 详解SpringIoC容器的初始化 【打通refresh方法的全链路】

  保存下载
  -
• 第6章 SpringIoC容器的源码解析 【正式向Spring宣战】

  保存下载
  -
• 第5章 自研框架IoC容器的实现 【实战了解SpringIOC的脉络】

刚到实验室，他就独自拥有一台Sun 4计算机；而此前在多伦多，同样一台计算机则由40个人共用。在贝尔实验室，做数字识别研究，他可以使用美国邮政近万张真实手写图像；作为对比，之前他只能利用一个很小的手工数据集来测试卷积网络。入职两个月，他就创造了以自己名字命名的LeNet，在数字识别方面创造了纪录。

常规的同行评审往往“过于合理”，以至颠覆性的研究很难找到真正的同行。对于“不合理”的方向，方向内的“小同行”更有发言权，而且他们知道谁是最优秀的人。

即使到2006年，参与评审杨立昆论文的人工智能同行也对他并不宽容。因为彼时的深度学习，还是一个不受重视的小方向，杨立昆2004—2006年关于这个方向的文章，几乎被最重要的学术会议——ICML（国际机器学习大会）、NeurIPS、CVPR、ICCV（国际计算机视觉大会）等都拒绝了。

2006年之后，随着他们的人际圈逐渐扩大，审阅专家才普遍开始支持他们的工作。不过即便这样，2007年在向NeurIPS组织者提出举办一个深度学习研讨会时，还是被否决了。还好他们有CIFAR（加拿大高等研究院）提供的资金，“私设”了一个研讨会，有300多位参与者，成了那年NeurIPS上最受欢迎的研讨会。

黄金时代的工业实验室曾是变革性技术最重要的发源地，例如杨立昆工作与实习过的贝尔实验室和施乐帕克研究中心（Xerox PARC）。而如今，虽然这些工业实验室仍然存在，却不再像20世纪中叶那样有效。仔细观察你会发现，黄金时代的工业实验室需要的条件，今天不容易复制，例如，几乎占据垄断的行业地位、前沿研究主要依靠内部完成、研究可以高效地为企业创造利润等。