Question

在AI中要做锯齿边缘该怎么做

Answer 1

前面朋友说的不是AI吧。

锯齿的话，你画个小三角形（这个会画吧），然后Alt+鼠标按住+Shift，复制一个三角拖到应该放的位置，然后，按Ctrl+D试试看。

Answer 2

在方块的边缘做锯齿处理：
1.复制背景层 （图层一），Alt+delete把原背景层填充一个颜色。(如果不填色的话处理完与背景层重叠看不出效果）
2.用矩形选区工具在“图层一”上建立矩形选区（要在图片边缘以内画，给图片边缘留出距离）。
3。有了选区后，点工具栏最下边有个“快速蒙版的图标”（这时矩形选区会有填充色，初次使用事需双击快速蒙版设置，勾选“所选区域”选项，快速蒙版的颜色也可进行调整。
4.滤镜--画笔描边--喷色描边，调整参数（这时滤镜可根据你想要的效果灵活使用）。
5.单击快速蒙版（或按快捷键Q）。这时选区内是你想要的，需要把选区以外的去掉。
6.反选ctrl+shift+I ,按delete删除。隐藏背景层，就能看到你要的锯齿效果。
文字锯齿
1。选择工具“T”下的横排蒙版文字工具，打上你想要的字。ctrl+回车确定，文字出现选区。
2.用油漆桶填充上颜色。
3.还是用之前的方法，滤镜--画笔--喷色描边。参数值根据需要灵活调整。
4.调整完后确定，就可以了。
总之，就是在要处理的位置建立选区，用滤镜进行各种调。锯齿除了喷色描边，滤镜里还有个“玻璃”也可以跳出来，多试一试，有时候自己弄弄就出来了。

Answer 3

人工智能(AI)发展愈加快速，并开始大举进军终端装置，运算分析已开始从云端转向终端节点，边缘运算发展可说是目前半导体产业热门议题，而2018台北国际电脑展(Computex 2018)也成为各领域业者(如IP、芯片、储存)火力展示的绝佳场合，纷纷于展会期间发布新的解决方案或市场布局规划。

抢攻边缘运算市场Arm动作频频

Arm IP产品事业群总裁Rene Haas(图1)表示，随着物联网的蓬勃发展，Arm预测至2035年全球将会有超过1兆台的联网装置，运用于医疗、汽车、灯具及道路等范畴，而联网装置数量的大幅成长也将带领终端及云端运算的持续发展。智能运算将持续推动物联网崭新时代，带领AI变革，促使物联网智能运算无所不在。

图1 Arm IP产品事业群总裁Rene Haas表示，物联网蓬勃发展将使联网装置快速增加，智能运算未来将无所不在。

因应此一趋势，且为整合生态系统的AI/机器学习(ML)应用、演算与框架，并结合软件优化与硬件IP产品，让各式装置及平台都能支援最常使用的机器学习框架，Arm近期宣布推出三款全新IP产品，分别为Cortex-A76 CPU、Mali-G76 GPU，以及Mali-V76 VPU，以提升游戏与AR/VR体验，AI和机器学习能力。透过这三款新产品，Arm将持续强化该公司于行动领域的竞争优势，也再度增强了智能手机、平板电脑、PC等行动终端装置的运算效能。

Arm副总裁暨客户事业部总经理Nandan Nayampally(图2)表示，未来5G将推动整个行动产业创新，即将到来的5G联网应用，包含VR、AI或是手机游戏等将会带动更多运算量成长，未来将会有更多不同运算需求产生。

图2 Arm副总裁暨客户事业部总经理Nandan Nayampally指出，5G加AI将推动整个行动产业创新，Arm为此推出全新IP产品因应市场需求。

Nayampally进一步指出，游戏也是推动行动装置运算持续攀升的关键因素之一。游戏产业已成目前全球营收规模最大的市场之一，预计在2018年可达到1,379亿美元的产值，这也驱动了消费者对于运算效能的需求。

据悉，Cortex-A76是基于Arm旗下的DynamIQ技术打造，和去年所发布的Cortex-A75相比，提升了35%的效能与40%的效率；可为终端装置上的AI/ML提供4倍的运算效能，于PC和智能手机上实现快速且安全的体验。

Mali-G76则比前一代的Mali-G72 GPU提升30%运算效能，以及增加了30%的效能密度，不仅可满足消费者随时游玩高阶游戏的需求，也为开发人员提供更多的效能空间，使他们能编写更多新的应用程式，为行动应用带来更多高阶游戏，或是将AR/VR整合至生活当中。

最后，随着UHD 8K需求逐渐攀升，为确保IP能支援智能手机和其他装置编码解码运算，Arm便推出Mali-V76，可支援高达60fps的8K解析度或四部60fps的4K串流影片，消费者能同时串流四部4K解析度的电影、在视频会议中录制影片，或者以4K观看四场比赛；或在较低解析度的状况下，仍能呈现高解析度画质(Full HD)，并能支援多达16部串流影片组成4×4的电视墙。

Project Trillium亮相加速建构ML生态系

与此同时，为提升终端装置机器学习效能，Arm也于2018年初发表Project Trillium平台，包含全新机器学习处理器(ML Processor)、物件侦测处理器(Objects Processor)，以及Arm神经网路软件( Arm NN)。相较于独立CPU、GPU与加速器，Project Trillium平台效能更远远超越传统DSP的可编程逻辑。

Arm副总裁、院士暨机器学习事业群总经理Jem Davies(图3)指出，边缘运算发展潜力十分庞大，目前市面上的确有许多独立的解决方案，像是ASIC加速器、CPU/GPU等。终端业者当然可以选择自己想要的方案，不过缺点在于须花费时间自行进行硬件与软件(TensorFlow、Caffe)的整合。

Answer 4

自定义描边…