超分辨率是一种提高图像分辨率的技术。这些方法是从低分辨率图像中获得高分辨率输出。执行单图像超分辨率的目的是在增加图像尺寸的同时使其质量下降的最小。应用范围很广，如医学成像，压缩，农业分析，自动驾驶到卫星图像、侦察等等。超分辨率领域正在经历一段复兴时期。卷积

本文介绍如何将基于深度学习的目标检测算法应用到具体的项目开发中，体现深度学习技术在实际生产中的价值，算是AI算法的一个落地实现。本文算法部分可以参见前面几篇博客：。道路交通的安全性要求比较高，道路监控设备比较完备，这些设备每天可以产生无数的视频数据，而这些

不需要 ML/DL 基础，不需要深奥数学背景，初学者和软件开发者也能快速掌握 TensorFlow、掌握人工智能应用的开发秘诀。以前，吴恩达的机器学习课程和深度学习课程会介绍很多概念与知识，虽然也会有动手实验，但它们主要是为了帮助理解。在这一份 Cours

近期深度强化学习取得了很多成功，但也存在局限性：缺乏稳定性、可复现性差。该研究重点探讨深度策略梯度方法。深度强化学习是现代机器学习最为人所知的成就，它造就了 AlphaGO 这样广为人知的应用。对很多人来说，该框架展示了机器学习对现实世界的影响力。的确，近

深度学习的研究和生产之间存在较大差异，在学术研究中，人们一般更重视模型架构的设计，并使用较小规模的数据集。本文从生产层面强调了深度学习项目开发中需要更加重视数据集的构建，并以作者本人的亲身开发经验为例子，分享了几个简单实用的建议，涉及了数据集特性、迁移学习

本文描述的卷积神经网络超出了简单模式识别的范畴，能够学习到控制一辆自动汽车所需的所有过程。作者介绍了如何利用 CNN 和 OpenAI Gym，创建一个多智能体的系统，这些模型可以自动驾驶马里奥赛车，并且彼此竞争。过去的纪念见证了很多使用强化学习做出的突破

人们普遍认为，最近深度学习的成功很大程度上取决于大量数据的可用性。Vision是实现DL承诺的第一个领域，这可能是因为ImageNet等大型数据集的可用性。最近RL模拟器的激增进一步说明，随着我们进一步将这些技术应用到实际问题中，数据稀缺可能很快成为瓶颈。

斯坦福大学人工智能系列课程CS231n新增一课，2019年春季开设视觉识别的卷积神经网络课程。该课程由李飞飞教授团队讲授。最近神经网络方法的发展极大地提高了这些最先进的视觉识别系统的性能。本课程深入研究深度学习架构的细节，重点学习这些任务的端到端模型，特别

近日，谷歌开放语音命令数据集，发布新的音频识别教程，旨在帮助初学者利用深度学习解决语音识别和其他音频识别问题。尽管已经有很多大型开源语音识别系统，如 Kaldi，这些系统可以把神经网络作为一个模块使用，但是它们的复杂性导致其很难用于指导简单的任务。为了解决

近日，IBM 发布了一种结合软件和硬件的新型分布式系统 PowerAI DDL，该系统不仅在 Imagenet 22K 任务上实现了当前最佳的性能，同时还只需要 7 小时就能完成训练。该软件库现已集成到 TensorFlow、Caffe 和 Torch 中

我开始与我们的团队讨论可能的方法，我们决定在python中构建一个基于规则的解析器来解析不同的部分简历。花了一些时间开发解析器之后，我们意识到答案可能不是基于规则的工具。我们开始在谷歌上搜索它是如何实现的，我们遇到了自然语言处理这个术语以及与机器学习相关的

人工智能教学网站fast.ai最近更新了新版本的针对开发者的深度学习实践课程，将原来的14课时缩短到7课时，比较适合经常加班做开发的程序员。本文给大家梳理了一下课程概览。fast.ai最近刚刚发布了《Practical Deep Learning for

书籍对于学习者来说是非常有用的资源，每一个学习者都在寻找最好的书籍来获得全新的视角，在这里我们收集了由有经验的专业人士推荐的流行的深度学习书籍。深度神经网络在计算机视觉、语音识别和自然语言处理领域取得了许多成功。

TensorFlow是一个非常强大的开源机器学习库，用于实现和部署机器学习模型。这使其非常适合研究和生产。多年来，它已成为最受欢迎的深度学习库之一。这篇文章的目标是建立一种直觉和理解深度学习库的工作原理，特别是TensorFlow。最终，你将能够自信地使用

本报告对希望在没有用过深度学习算法的应用软件上进行深度神经网络尝试的人群提供了实用建议。为了使项目更易于管理，这些建议被分成了几个阶段，每个阶段都包含了帮助新手的大量建议和见解。读者可点击阅读原文下载此论文。本报告针对的群体是应用程序的主题专家，但是在深度

深度学习会是犯罪行为吗？欧洲“史上最严”的数据保护条例今天实施，其中提及了对算法的可解释性。华盛顿大学计算机科学教授Pedro Domingos曾发推特说，条例会让深度学习成为违法行为。但实际上并非如此。对于违规收集个人信息的互联网公司，最高可罚款2000

DistBelief是TensorFlow在升级之前被调用的基础，是2011年建立的基于深度学习神经网络的专有系统。DistBelief的源代码被修改并且变成了一个更好的基于应用的库，在2015年被称为tensorflow。它主要在易于使用并广泛适用于数值

2017年对人工智能和加密货币来说是伟大的一年。现如今，人工智能行业已经出现很多研究和突破，而且人工智能是当今最流行的技术之一，未来还会更多。这一年，可以说是这是一次大规模的牛市，各种加密比、比特币、莱特币，瑞波币等方面的投资得到了一些回报。有许多的ML专

早鸟票已经售罄，现正式进入全额票阶段。即将于北京举办的2018年中国AI开年盛典——2018新智元AI技术峰会上，我们邀请到了德国总理默克尔的科学顾问、诺贝尔奖唯一计算机领域评委、工业4.0教父、世界顶级自然语言处理专家Wolfgang Wahlste教授

深度学习具有极高的计算需求， 要对深度学习应用进行开发并商业化，就需要找到合适的硬件配置。目前，在开发用于深度学习应用的高效硬件平台这一领域，竞争十分激烈。本文将介绍具体的硬件要求，并讨论未来对深度学习硬件的展望。深度学习在这十年，甚至是未来几十年内都有可