https://i.ancii.com/ynsshzwxhzyx/
机器学习、深度学习、Python等方面的学习笔记
从半年前飞桨发布 11 个全新模块,到今天又发布 9 大新开发产品,百度工程师已经「码力」全开。今年 4 月份,百度首次公布了飞桨平台全景图和多个开发模块。在短短半年之后,百度又在深度学习开发者峰会上发布了 9 大全新开发产品。从 4 个端到端开发套件、飞
在2018年9月,我在需求、使用和受欢迎程度方面比较了所有主要的深度学习框架。TensorFlow是深度学习框架的冠军,PyTorch是最年轻的框架。为了回答这个问题,我查看了Indeed、Monster、LinkedIn和SimplyHired上的职位列
本文内容节选自由 msup 主办的第七届 TOP100summit,北京一流科技有限公司首席科学家袁进辉(老师木)分享的《让 AI 简单且强大:深度学习引擎 OneFlow 背后的技术实践》实录。一流科技是一家为企业客户提供面向大规模大计算大模型等深度学习
TensorFlow 虽然是目前最为流行的神经网络框架,却以「难于上手」著称。有些时候,我们需要简明扼要的代码来指点迷津。最近,来自 NCsoft AI 研究部门的 Junho Kim 就放出了一份这样的 TensorFlow 代码集。它类似于一个迷你版的
选自dl.acm.org,作者:Biyi Fang、Xiao Zeng、Mi Zhang,机器之心编辑部。本文介绍了由密歇根州立大学开发的移动端深度学习框架 NestDNN。该框架应用了研究者提出的多容量模型生成方法,可以动态地在多模型并行推断过程中,通过
近日,来自 DeepMind 的研究者 David Silver 等人发布论文,提出一种基于梯度的元学习算法,可以在线调整元参数,使得回报既能适应具体问题,又能随着时间动态调整以适应不断变化的学习环境。一般通过预测和控制相结合的方法来实现这一目标。预测的子
本文旨在研究数据扩充的有效性。它将通过使用传统数据扩充技术或者现代意义上讲的GAN。如MNIST、和小图象网数据。最后,对于增强网络的需求,他们创建了一个小型的5 CNN网络,n并使用各种损失函数来训练网络。(实际上是两个,因为最后的损失函数根本不是损失函
人工智能和机器学习是目前最热门的话题(之一)。“AI”作为术语似乎随处可见。但多数情况下,这些人都不是很明白什么是人工智能。所以我们特意摘录了这篇文章。希望通过这篇文章,你会对AI和ML有基本的了解。当然,你还将明白什么是深度学习,以及最流行的ML类型。(
如果你有兴趣了解深度学习的现状,这篇文章概述并全面总结了该领域当代最有影响力的9篇论文。在这篇文章中,我们将总结计算机视觉和卷积神经网络领域的许多新的重要发展。这篇文章先奉上前半部分。可以肯定地说,CNN在此后的竞争中成为家喻户晓的名字。在论文中,该小组讨
神经网络在过去几年中规模不断扩大,训练需要大量的数据和计算资源。为了提供所需的计算能力,我们可以使用高性能计算中常见的技术将模型扩展到几十个 GPU,但该技术在深度学习中未被充分利用。这项技术,Ring Allreduce,还能减少不同 GPU 之间的通信
导读:在拉斯维加斯举行的 IBM THINK 2018 大会上,IBM声称,其POWER服务器上的机器学习不仅比Google Cloud中的TensorFlow更快,而且速度更快了46倍。他们使用一组由 Criteo 实验室发布的广告数据集来训练逻辑回归分
谷歌的 DeepMind 团队在今年 3 月刚刚使用 AlphaGo 击败了围棋世界冠军李世乭,现在他们终于把注意力转向了经典即时战略游戏《星际争霸 2》。DeepMind 刚刚在一年一度的 Blizzcon 上宣布他们与著名游戏公司暴雪达成了协议,在《星
[1] 开发者无需了解具体算法细节,即可快速地将AI技术部署到移动端产品上,实现用户数据的本地高效处理。目前该框架正在为腾讯的多项移动端业务提供模型压缩与加速的技术支持,在多款手机APP中得到应用。
本文使用python基于TensorFlow设计手写数字识别算法,并编程实现GUI界面,构建手写数字识别系统。这是本人的本科毕业论文课题,当然,这个也是机器学习的基本问题。本博文不会以论文的形式展现,而是以编程实战完成机器学习项目的角度去描述。LeNet-
不到现场,照样看最干货的学术报告!话不多说,快快看过来,希望这些优秀的青年学者、专家杰青的学术报告 ,能让您在业余时间的知识阅读更有价值。2018年8月4月,由北京理工大学大数据创新学习中心与中国科学院人工智能联盟标准组联合主办的“2018深度强化学习:理
由于图结构非常复杂且信息量很大,因此对于图的机器学习是一项艰巨的任务。本文介绍了如何使用图卷积网络对图进行深度学习,GCN 是一种可直接作用于图并利用其结构信息的强大神经网络。读者将看到 GCN 如何聚合来自前一层的信息,以及这种机制如何生成图中节点的
0 关注 0 粉丝 0 动态
Copyright © 2013 - 2019 Ancii.com
京ICP备18063983号-5 京公网安备11010802014868号