本文搜集整理了Jupyter Notebook中TensorFlow和PyTorch的各种深度学习架构，模型和技巧，内容非常丰富，适用于Python 3.7，适合当做工具书。大家可以将内容按照需要进行分割，打印出来，或者做成电子书等，随时查阅。

本文将带你一步步深入探讨。迁移学习是一种机器学习方法，它将一个已经开发过的任务模型重复利用，作为第二个任务模型的起点。预训练的模型被用作计算机视觉和自然语言处理任务，这在深度学习领域非常流行。阅读本文，你会发现如何使用迁移学习来提高训练的速度以及改善深度学

本文将探讨PyTorch和TensorFlow这两种流行深度学习框架之间的关键相似点和不同点。目前有很多的深度学习框架，而且很多都可用于实际的生产，我之所以选择这两个只是因为我对它们特别感兴趣。TensorFlow由谷歌大脑开发，并且在谷歌公司中广泛地应用

目前，人工智能已经进入了深度学习时代，从2012年开始，紫色的图都是基于深度学习。深度学习有一些必要的因素，才有今天成功的效果。深度学习的真实应用比如语音识别和客服系统，这两个领域很成功。深度学习是有门槛的，数据的能力、算法的能力和计算能力。

道格拉斯·霍夫斯塔特在他的著作《我是一个奇怪的循环》中提出了这个看法：。最终，我们能够自我感知、自我创造、自我参照。他将这种自我参照的机制称为思想独特的属性。这个奇怪的循环是在层次结构中跨越多个层次的循环系统。顺着这个循环移动，人们会重新回到自己最初开始的

7 月 22 - 23 日，由中国人工智能学会、阿里巴巴集团 & 蚂蚁金服主办，CSDN、中国科学院自动化研究所承办，云栖社区作为独家直播合作伙伴的第三届中国人工智能大会将在杭州国际会议中心盛大开幕。作为大会主席，香港科技大学计算机与工程系

Adrian Colyer：morning paper编辑、Accel Partners投资合伙人、SpringSource首席技术官、VMware技术总监。对抗样本是故意构造的输入，能够导致网络产生错误输出。Deep neural networks ar

深度学习的下一站是什么？去年，算法领域没有重大的突破。本文作者William Vorhies是DataScienceCentral的编辑主任，曾担任Data-Magnum公司的总裁兼首席数据科学家和EB5C公司的总裁，他对有望在该领域获得下一大突破的几种领

从简单的图像分类到3D位置估算，在机器视觉领域里从来都不乏有趣的问题。如同其他的机器视觉问题一样，目标检测目前为止还没有公认最好的解决方法。在计算机视觉领域中，最为人所知的问题便是图像分类问题。图像分类是把一幅图片分成多种类别中的一类。目标检测是在图片中对

11节麻省理工学院的通用人工智能课程大放送。讲师阵容超豪华：谷歌技术总监Kurzweil、特斯拉AI总监Andrej Karpathy、波士顿动力CEO Marc Raibert、OpenAI的联合创始人Ilya Sutskever等。文中附有课程讲义下载

高级辅助驾驶系统可提供解决方案，用以满足驾乘人员对道路安全及出行体验的更高要求。诸如车道偏离警告、自动刹车及泊车辅助等系统广泛应用于当前的车型，甚至是功能更为强大的车道保持、塞车辅助及自适应巡航控制等系统的配套使用也让未来的全自动驾驶车辆成为现实。机器视觉