今天文摘菌为大家推荐一个专门用来预测的复杂模型和推理算法——Gen。下面随文摘菌一起来看看它的“前生今世”。

随着深度学习的大热，许多研究都致力于如何从单张图片生成3D模型。但近期一项研究表明，几乎所有基于深度神经网络的3D中重建工作，实际上并不是重建，而是图像分类。深度学习并不是万能的！从某些方面似乎再次验证了深度学习的神奇——doing almost the

本文讲述了DeepMind联合谷歌大脑、MIT等机构27位作者发表重磅论文，提出“图网络”，将端到端学习与归纳推理相结合，有望解决深度学习无法进行关系推理的问题。作为行业的标杆，DeepMind的动向一直是AI业界关注的热点。最近，这家世界最顶级的AI实验

刚刚，阿里妈妈正式对外发布了X-Deep Learning的开源代码地址，开发者们可以在Github上自主下载。此前，在11月底，阿里妈妈就公布了这项开源计划，引来了业界的广泛关注。XDL突破了现有深度学习开源框架大都面向图像、语音等低维稠密数据而设计的现

Momentum是Gradient Descent算法的扩展、可加速或抑制参数更新。MLP是多层神经网络的最基本形式，如果它超过2层，则是深度神经网络。NMT系统使用神经网络在不同语言之间进行翻译，例如英语和法语。NMT系统通常使用编码器和解码器递在归神经

一张图片胜过千言万语，甚至N行代码。网友们经常使用的一句留言是，no picture, you say nothing。自2012年以来，深度学习在图像分类或物体检测等感知任务中的效果慢慢开始超越或碾压经典方法，如直方梯度图。导致这种转变的主要原因之一是，

本系列将利用阿里云容器服务的机器学习解决方案，帮助您了解和掌握TensorFlow，MxNet等深度学习库，开启您的深度学习之旅。在读过了大量的文章，看过了无数的教程后，许多朋友依然表示很无感。本文是这个系列中的第一篇文章，我会在基于阿里云容器服务的机器学

了解过去一周AI爆点，一篇就够了！从本周起，大数据文摘将在每周二为你带来AI大事件专栏，总结过去一周中AI届的热点。大佬们互撕了哪些问题？研究者们发布了哪些值得一读的论文？又有哪些开源的代码和数据库可以使用了？Brainwave是一个基于FPGA的深度学习

近日，袁进辉（老师木）代表OneFlow团队在全球互联网架构大会上海站做了《深度学习平台技术演进》的报告。报告包括深度学习的计算力问题、硬件基础、软件挑战、传统大数据架构、深度学习软件平台的技术演化等。TPU 与 GPU 的区别在于它是专用硬件，免去了通用

在介绍深度学习之前我们要先了解两个概念，机器学习和神经网络。普通的神经网络可能只有几层，深度学习可以达到十几层。

关于 深度确定策略梯度 DPG的论文

早期，这些神经网络通常有1个或2个隐藏神经元层组成，现在已经从浅层结构进化到深层结构，后者又被称为深度学习。到目前为止，大量学术机构和科技公司都在研究深度学习，媒体对深度学习相关成果的报道也日益增多，这都大大促进了深度学习的普及。有许多报道称，数据科学家正