在这篇文章中，我们将了解图像增强的概念以及有什么不同的图像增强技术。我们还将使用PyTorch实现这些图像增强技术来构建一个图像分类深度学习模型。深度学习模型通常需要大量的数据来进行训练。并非每个人都拥有大公司的财力。但获取大量数据本身也存在挑战。缺乏数据

阅读完本文后，您将了解AI和ML的基础知识。更重要的是，您将了解最流行的ML类型深度学习是如何工作的。本指南适用于所有人，因此不会涉及高等数学的部分。了解深度学习如何运作的第一步是掌握重要术语之间的差异。计算机有一个特定的可能行动清单，并根据这些规则做出决

如果你听说过深度学习中不同类型的卷积，并且混淆了它们实际意味着什么，那么这篇文章会让你了解不同类型卷积的分工。本文是综合介绍的下篇。在图像中，3×3个红点表示在卷积之后，输出图像具有3×3像素。结果，有效的感受野呈指数增长，而参数的数量只与层线性增长！空间

在过去的十年中，深度学习模型已经证明在视觉、语音和语言方面执行各种各样的机器学习任务非常有效。在Uber，将这些模型用于各种任务，包括客户支持、对象检测、改进地图、简化聊天通信、预测和防止欺诈。许多开源库，包括TensorFlow，PyTorch，CNTK

深度学习确实在一定程度上改变了机器学习，特别是在图像识别任务中。2012年，Alex-net发起了一项的竞赛，以解决或至少显著改善了计算机视觉任务。虽然主要思想非常稳定，但研究人员采取了截然不同的方式：自我监督学习的介绍。另一方面，在深度学习中不断增长的工

Keras库为深度学习提供了一个容易接近的窗口，使神经网络可以被广泛的受众访问。然而，我当前面临的主要挑战是，从Keras的探索模型过渡到生产模型。Keras是用Python编写的，直到最近，这些语言之外的支持还很有限。虽然诸如Flask、PySPark和

当钢铁侠刚刚面世时，我只有八岁，看着它让我很震惊。超级英雄、行动大胆以及罗伯特唐尼的骄傲和天才特性让我心脏砰砰直跳，眼睛都快粘在屏幕上了。吴恩达明确表示，要努力保持课程的包容性，而不是让大家敬而远之。吴恩达鼓励观众独立阅读并参考研究论文，甚至提供可选视频，

目标是开始机器学习，并开始我的研究，这是关于在机器人中使用深度学习。这是一个具有非常独特模式的信号，因此我们的RNN应该几乎完美地预测它。例如，预测股票价格是一个时间依赖的概念。例如，在给定一系列单词的情况下，您可以训练RNN预测句子中的下一个单词。在这个

我们提供的详实经验证据表明对这样的残差网络进行寻优更加容易，并且随网络层次的显著加深可以获得更好的准确率。该残差网络对ImageNet测试集的错误率为3.57%，这个结果取得了2015年ILSVRC分类任务的第一名。此外，我们分析了分别用100层和1000

可能很多人都会有兴趣将深度学习应用于自然语言处理，但又不知道从何开始。你会发现它是一个很好的关于NLP和深度学习的入门书。CNN负责图像分类的重大突破，这是当今大多数计算机视觉系统的核心。

微软Cortana智能和机器学习小组的数据科学家最新在Giuhub开源项目，对各个深度学习框架进行了基准测试，提供了很多有参考价值的数据以及GPU优化代码。众多的深度学习框架，就像世界上各种不同的语言一样，但是，不会“外语”并不可怕，他们希望构建一个深度学

解决问题往往需要大量工具的支持，深度学习也不例外。深度学习正逐渐从学者专家的理论研究迈向一个更为广阔的世界，在那里，深度学习爱好者想要投身该领域（便利性），越来越多的工程小组想要简化运作流程，化繁为简（高效性）。随着这一进程的发展，我们也整理出了一份最佳深

本周早些时候 Google 开源了 TensorFlow，此举在深度学习领域影响巨大，因为 Google 在人工智能领域的研发成绩斐然，有着雄厚的人才储备，而且 Google 自己的 Gmail 和搜索引擎都在使用自行研发的深度学习工具。无疑，来自 Goo