虽然大多数深度学习模型都是在 Linux 系统上训练的，但 Windows 也是一个非常重要的系统，也可能是很多机器学习初学者更为熟悉的系统。Kaggle Master 及机器学习实践者 Abhinand 立足于自己的实践，给出了一种简单易行的 Windo

在这篇文章中，作者将描述17年在机器学习领域中发生了什么有趣的重大发展,主要是深度学习领域。在17年中发生了很多事情，在作者停下来进行回顾的时候，他发现了这些发展的成就是非常壮观的，下面让我们来在作者的带领下认识一下17年在深度学习中发展的领域的状况，这篇

文中源码可在微信公众号「01二进制」后台回复「图像检索」获取。然而随着深度学习的崛起，极大的推动了图像领域的发展，在提取特征这方面而言，神经网络目前有着不可替代的优势。而检测图像特征，VGG16具有得天独厚的优势。接下来本文将会通过一个简单的案例来实现一个

从2017年的迅猛发展，到2018年的持续火爆，国内外各个巨头公司如腾讯、阿里、百度、Google、微软、Facebook等均开始在人工智能领域投下重兵，毫无疑问，这一技术未来将会深度参与我们的生活并让我们的生活产生巨大改变：人工智能时代来了！Blade

深度学习基础--感知器本文将介绍感知机这一算法。感知机是由美国学者Frank Rosenblattt 在1957年提出来的。因为感知机是作为神经网络起源的算法。严格的说，本文所说的感知机应该称为“人工神经元”或“朴素感知机”，但是很多基本的处理都是共通的，

深度学习这几年很火，所以，从今天起涉足深度学习，为未来学习，注本博文为慕课课程学习笔记。机器学习应用举例：分类问题：图像识别、垃圾邮件识别回归问题：股价预测、房价预测排序问题：点击率预估、推荐生成问题：图像生成、图像风格转换、图像文字描述生成。$ virt

深层神经网络由许多单独的神经元组成，它们以复杂的、反直觉的方式结合起来，解决各种各样具有挑战性的任务。这种复杂性赋予了神经网络权力，但也使他们获得了令人困惑和不透明的黑盒的名声。一种理解神经网络的方法，包括神经科学和深度学习，都是研究单个神经元的作用，特别

NVIDIA宣布完成了推理优化工具TensorRT与TensorFlow将集成在一起工作。TensorRT集成将可用于TensorFlow1.7版本。TensorFlow仍然是当今最受欢迎的深度学习框架，而NVIDIA TensorRT通过对GPU平台的优

说到图像压缩算法，最典型的就是JPEG、JPEG2000等。其中JPEG 采用的是以离散余弦转换 为主的区块编码方式（如图2）。JPEG2000则改用以小波转换 为主的多解析编码方式，小波转换的主要目的是将图像的频率成分抽取出来。在有损压缩下，JPEG20

去年 11 月，Google Brain 团队发布了 Eager Execution，一个由运行定义的新接口，为 TensorFlow 这一最为流行的深度学习框架引入了动态图机制。Eager 的出现使得开发变得更为直观，从而让 TensorFlow 的入

按：本文来自 Keras 作者 Franois Chollet，同时也是根据他撰写的《Deeping Learning with Python》一书第 9 章第 2 节改编的。我们假设读者已经具有一定知识储备。深度学习最令人惊讶之处就在于它十分简单。深度

如果大家去年关注过TensorFlow深度学习框架，就会发现其上手难度很高且成熟度有限。但如今，这套由谷歌打造的方案已经彻底改头换面。自从2016年10月评测TensorFlow r0.10版本以来，谷歌的这套开源深度学习框架已经变得更为成熟，实现了更多

单图像超分辨率技术涉及到增加小图像的大小，同时尽可能地防止其质量下降。这一技术有着广泛用途，包括卫星和航天图像分析、医疗图像处理、压缩图像/视频增强及其他应用。我们将在本文借助三个深度学习模型解决这个问题，并讨论其局限性和可能的发展方向。单图像超分辨率是一

对于深度学习，我也是一个初学者，这篇文章只是我的个人想法，能力有限，所以对不对，不好说，但的确是我现在的真实想法，我也会按这个思路去尝试。请大家带着质疑精神去读吧。深度学习刚开始流行的时候，我就做过简单的学习。当时我的结论是短期内，深度学习只能在弱智能徘徊

今年 3 月，英伟达的 GTC 2017 大会上展示了很多深度学习技术在医疗领域中的卓越工作。Ian GoodFellow、Jeremy Howard 以及其他的深度学习专家都分享了他们对深度学习的见解。顶尖的医科学校以及肺癌 BOWL 的获奖者 Kag

说到深度学习，估计只要有接触的您，一定会知晓一二，其实深度学习就是机器学习领域的一个新研究方向。深度学习之所以被称为“深度” ，其实想相对于那些传统机器学习而言。采用BLEU评价指标，RNN

近年来，深度学习在语音、图像、自然语言处理等领域取得非常突出的成果，成了最引人注目的技术热点之一。下面我们就以语义匹配、图像质量排序及文字识别这三个应用场景为例，来详细介绍美团点评在深度学习技术及应用方面的经验和方法论。基于深度学习的语义匹配语义匹配技术，