自编码器及其变体被广泛用于无监督学习 [74]，它适用于学习没有监督信息的图节点表示。在本节中，我们将首先介绍图自编码器，然后转向图变分自编码器和其他改进。表 4 总结了所调查的 GAE 的主要特征。基本思想是，通过将邻接矩阵或其辩题视为节点的原始特征，可

还是数据天然缺陷？是训练代码的bug？基于此，阿里工程师推出了DeepInsight深度学习质量平台，致力于解决当前模型调试和问题定位等一系列问题。接下来，阿里巴巴高级技术专家、DeepInsight深度学习质量平台技术负责人：孙凯，带我们一起探索。

本次项目使用深度学习自动生成图像字幕。我们具体该如何实现呢？利用卷积网络对图像特征提取的强大能力，来提取特征信息。我们的CNN模型需要有强大的识别能力，因此该模型需要使用过大量，多类别的训练集进行训练，并且识别准确率较高。通过迁移学习实现OCT图像识别 文

欢迎大家前往腾讯云+社区，获取更多腾讯海量技术实践干货哦~从大量文本信息中提取重要的内容，已成为我们的一个迫切需求，而自动文本摘要则提供了一个高效的解决方案。RNN被称为递归神经网络，是因为它的输出不仅依赖于输入，还依赖上一时刻输出。

欢迎大家前往腾讯云+社区，获取更多腾讯海量技术实践干货哦~从大量文本信息中提取重要的内容，已成为我们的一个迫切需求，而自动文本摘要则提供了一个高效的解决方案。RNN被称为递归神经网络，是因为它的输出不仅依赖于输入，还依赖上一时刻输出。

摘要在9月21日结束的Google开发者大会上，闲鱼团队作为Google的合作伙伴参加了此次会议，不仅在Flutter方面与谷歌以及国内开发者进行了深度交流，同时闲鱼技术开发专家陈永新作为本次大会的演讲嘉宾，分享了闲鱼基于TensorFlow Lite的端

众所周知，TensorFlow是一个开源软件库，用于数值计算以及数据流图的使用。换句话说，它是建立深度学习模型的最佳工具之一。尽管TensorFlow是在深度神经网络中进行机器学习和研究的主要目的而创建的，但是该库还是普遍的应用于各种其他领域。这篇文章将会

看完本篇就可以自己动手构建搜图服务了。接着上篇《深度学习表征的不合理有效性——从头开始构建图像搜索服务（一）》的内容，上次遇到的问题是搜索相似图的时候还是会出现瑕疵，因此本文介绍相关的处理办法。例如，在下图中，使用Siamese cat类的权重来重新权衡数

$$\begin{bmatrix} a_{11}& a_{12}& ...& a_{1n}& \\ a_{21}& a_{22}& ...& a_{2n}& \\ ...&

DataScienceAI Book Links | 机器学习、深度学习与自然语言处理领域推荐的书籍列表。Mathematics | 数学基础2008-统计学完全教程 #Book#：由美国当代著名统计学家 L·沃塞曼所著的《统计学元全教程》是一本几乎包含了

在上一篇文章我们学习了包含全连接层的神经网络。这一篇文章我们将总结卷积神经网络的知识。这是一个交互式的在线DEMO，它是一个训练好的手写数字识别网络，很好地展示了这篇文章覆盖的重要知识点。比如人脸相对于像素灰度值来说，非常高层次和抽象；完整语句相对于音调和

TensorFlow 是 Google 研发的第二代人工智能学习系统，是 Google 为了帮助全球开发者们更加方便和高效地开发机器学习 和人工智能 应用而开发的一整套开发平台和框架。被广泛应用于语音识别和图像识别等多项机器学习、深度学习领域。开发者可以

对于果粉们来说，对新出的iPhone X讨论最多的是其解锁方式，TouchID的继承者——FaceID。然而令人惊讶的是，苹果公司宣传FaceID比TouchID方法更加安全，而且其错误率仅为1:1,000,000。本文创建了一个基于SqueezeNet的

CNN 的原理和算法实现CNN 的全称是卷积神经网络，它的思路是模拟人识别物体时的顺序，先看一个图片大致的轮廓，知道了是个什么东西，然后再扣细节，比如一个人的照片，我们先意识到这是一个人，然后再看性别，肤色，眼睛鼻子嘴等等。当然，新图像的大小可以根据是否

最新DataOps平台的真正价值，只有在业务用户和应用程序能够从各种数据源来访问原始数据和聚合数据，并且及时地产生数据驱动的认识时，才能够实现。利用机器学习，分析师和数据科学家可以利用历史数据，以及实时地使用类似TensorFlow这样的技术，以做出更好的

本表试图解释深度学习常用术语并链接到原始参考，以帮助读者深入了解特定主题。深度学习与“一般”的机器学习术语之间的界限非常模糊。例如，我这里不包括“交叉验证”，因为它是一种通用技术，用于整个机器学习。但是，我加入了softmax或word2vec等术语，因为

今天，笔者要给大家推荐一本尽管尚未完结但在 GitHub 上却深受欢迎，已经获得近两万 Star 的深度学习书籍——《深度学习 500 问》。首先，这本书的作者是通过问答的形式，对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，

邱老师是复旦大学计算机科学技术学院的副教授与博士生导师，他目前主要从事自然语言处理、深度学习等方向的研究，在 ACL、EMNLP、AAAI、IJCAI 等计算机学会 A/B 类期刊、会议上发表 50 余篇学术论文。此外，邱老师还是 FudanNLP 的开发

本文由北邮@爱可可-爱生活老师推荐，阿里云云栖社区组织翻译。当你有好的数据集时候，深度学习在图像和文字分类方面可以给出高的精度，这是由于大数据可以很好的训练自己的分类器，而且几乎没有用到经验知识。其中为Smoothie口味的可能性为75%，Lassi口味的

Polyaxon可以让团队管理工作负载更轻松，而不会失去对数据的控制。深度学习可能是目前软件开发中最热门的话题之一。无论你是在寻求对数据和集群的全面控制，还是简化资源管理，Polyaxon都可以让部署深度学习应用程序时实现协作并保持独立。Polyaxon允