自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

<style id="dhc96"><legend id="dhc96"><p id="dhc96"></p></legend></style>

AI.x社區(qū)

軟考社區(qū)

企業(yè)培訓(xùn)

鴻蒙開發(fā)者社區(qū)

WOT技術(shù)大會

公眾號矩陣

移動端

視頻課免費課排行榜短視頻直播課軟考學(xué)堂

全部課程軟考華為認(rèn)證廠商認(rèn)證 IT技術(shù)PMP項目管理免費題庫

在線學(xué)習(xí)

文章資源問答課堂專欄直播

51CTO

鴻蒙開發(fā)者社區(qū)

51CTO技術(shù)棧

51CTO官微

51CTO學(xué)堂

51CTO博客

CTO訓(xùn)練營

鴻蒙開發(fā)者社區(qū)訂閱號

51CTO軟考

51CTO學(xué)堂APP

51CTO學(xué)堂企業(yè)版APP

鴻蒙開發(fā)者社區(qū)視頻號

51CTO軟考題庫

賬號設(shè)置退出

深度學(xué)習(xí)

1694內(nèi)容??

關(guān)注

涵蓋深度學(xué)習(xí)相關(guān)模型、框架、開發(fā)與應(yīng)用知識。

文章博文課程

共 1694 條

谷歌最強芯片升級，二代TPU是深度學(xué)習(xí)的未來？

在Google I/O 2016的主題演講進入尾聲時，谷歌的CEO皮采提到了一項他們這段時間在AI和機器學(xué)習(xí)上取得的成果，一款叫做Tensor Processing Unit（張量處理單元）的處理器，簡稱TPU。在這個月看來，第一代的TPU處理器已經(jīng)過時。

2017-05-23 18:59:56

TPU 深度學(xué)習(xí)

深度學(xué)習(xí)的難點：神經(jīng)網(wǎng)絡(luò)越深，優(yōu)化問題越難

深度學(xué)習(xí)的核心問題就是一個非常難的優(yōu)化問題。所以在神經(jīng)網(wǎng)絡(luò)引入后的幾十年間，深度神經(jīng)網(wǎng)絡(luò)的優(yōu)化問題的困難性是阻礙它們成為主流的一個重要因素。并導(dǎo)致了它們在20世紀(jì)90年代到21世紀(jì)初期間的衰落。

2017-05-23 18:54:18

深度學(xué)習(xí)人工智能

TensorFlow實現(xiàn)基于深度學(xué)習(xí)的圖像補全

內(nèi)容識別填充(譯注: Content-aware fill ,是 photoshop 的一個功能)是一個強大的工具，設(shè)計師和攝影師可以用它來填充圖片中不想要的部分或者缺失的部分。在填充圖片的缺失或損壞的部分時，圖像補全和修復(fù)是兩種密切相關(guān)的技術(shù)。有很多方法可以實現(xiàn)內(nèi)容識別填充，圖像補全和修復(fù)。

2017-05-22 13:15:45

TensorFlow 深度學(xué)習(xí)

AWS上搭建深度學(xué)習(xí)主機（Windows版）

本文簡單介紹一下如何租賃并使用 Amazon EC2 P2 實例,通過搭載了一塊12G 顯存的 Tesla K80 顯卡，搭建深度學(xué)習(xí)主機。

2017-05-22 12:30:15

深度學(xué)習(xí)人工智能

尋找CNN的弱點，小心MNIST中的“套路”

CNN是現(xiàn)在十分火熱的模型，在很多圖像檢索問題上，CNN模型的效果在以往的基礎(chǔ)上有了很大的提高，但是CNN畢竟沒有把這些問題完全解決，CNN還是有它自己的弱點的。這個弱點也不能算作是它獨有的問題，但是由于它的效果實在太好了，很多人甚至對它產(chǎn)生了迷信，因此這盆冷水就潑到它身上了。

2017-05-22 10:54:56

深度學(xué)習(xí)CNN MNIST

深度學(xué)習(xí)中批歸一化的陷阱

本文使用兩種不同方法實現(xiàn)了一種神經(jīng)網(wǎng)絡(luò)。每一步都輸入相同的數(shù)據(jù)。網(wǎng)絡(luò)具有完全相同的損失函數(shù)、完全相同的超參數(shù)和完全相同的優(yōu)化器。然后在完全相同數(shù)量的 GPU 上進行訓(xùn)練。結(jié)果是其中一個版本的分類準(zhǔn)確度比另一種低2%，并且這種性能的下降表現(xiàn)地很穩(wěn)定。

2017-05-19 14:05:37

深度學(xué)習(xí)批歸一化技術(shù)

白話AI：看懂深度學(xué)習(xí)真的那么難嗎？初中數(shù)學(xué)，就用10分鐘原創(chuàng)

前段時間，編輯閑逛各大社區(qū)論壇，發(fā)現(xiàn)一篇非常適合初學(xué)者學(xué)習(xí)的深度學(xué)習(xí)的回復(fù)帖子，用風(fēng)趣的白話和例子深入淺出的分析了深度學(xué)習(xí)的過程，非常通俗易懂。通過與作者楊安國老師溝通，獲得內(nèi)容編輯授權(quán)，把內(nèi)容重新整理發(fā)布，希望人人都能夠理解深度學(xué)習(xí)。

2017-05-18 14:31:44

深度學(xué)習(xí)人工智能

遷移學(xué)習(xí)：數(shù)據(jù)不足時如何深度學(xué)習(xí)

最近深度學(xué)習(xí)技術(shù)突然開始大肆流行，并在語言翻譯、玩策略游戲，以及無人駕駛汽車等涉及到數(shù)百萬數(shù)據(jù)量的領(lǐng)域取得了醒目的成果。使用深度學(xué)習(xí)技術(shù)解決問題的過程中，最常見的障礙在于訓(xùn)練模型過程中所需的海量數(shù)據(jù)。需要如此多的數(shù)據(jù)，原因在于機器在學(xué)習(xí)的過程中會在模型中遇到大量參數(shù)。

2017-05-17 15:09:06

深度學(xué)習(xí)人工智能

深度學(xué)習(xí)中的怪圈將成就難以置信的成果

怪圈是一種循環(huán)系統(tǒng)，橫貫不同等級的各個層次。循環(huán)在機器學(xué)習(xí)系統(tǒng)中并不典型，按照慣例，這些系統(tǒng)由不同計算層的無環(huán)圖構(gòu)成。然而，我們現(xiàn)在開始發(fā)現(xiàn)，采用”反饋循環(huán)”能衍生出一種令人難以置信的、新的自動操作。

2017-05-17 13:21:36

深度學(xué)習(xí)機器學(xué)習(xí)算法

如何用深度學(xué)習(xí)推薦電影？教你做自己的推薦系統(tǒng)！

用電影海報來打造推薦系統(tǒng)。

2017-05-16 15:00:24

深度學(xué)習(xí)

何時淺探，何時深究—機器學(xué)習(xí)不是一張紙就能說完的譯文

深度學(xué)習(xí)的一大優(yōu)勢在于，其水平提升往往能夠在各類場景下實現(xiàn)通用。舉例來說，在某一領(lǐng)域中適用于深度學(xué)習(xí)的具體技術(shù)通常可以直接轉(zhuǎn)移至其它領(lǐng)域，而無需經(jīng)過任何修改。更具體地講，構(gòu)建大量計算密集型圖像與語音識別類深度學(xué)習(xí)模型的方法已經(jīng)全面滲透至自然語言處理當(dāng)中。

2017-05-12 17:58:11

深度學(xué)習(xí)人工智能

tensorflow如何實現(xiàn)基于深度學(xué)習(xí)的圖像補全

在本文中，我將介紹圖像補全的一種方法，我的例子是人臉，但是DCGANs也可以在其他類型的圖像上使用。

2017-05-12 16:25:44

深度學(xué)習(xí)圖像補全 tensorflow

機器學(xué)習(xí)和深度學(xué)習(xí)是怎么一回事？Faizan Shaikh來幫你解答

本文以淺顯易懂的語言介紹了機器學(xué)習(xí)和深度學(xué)習(xí)的定義及應(yīng)用，以及在源數(shù)據(jù)要求，硬件支持，特征工程、問題解決方式、執(zhí)行時間及可解釋性等方面的區(qū)別，對于新手入門有很大啟示意義。

2017-05-11 12:22:10

機器學(xué)習(xí)深度學(xué)習(xí)

為什么有些數(shù)學(xué)研究者會看不慣甚至鄙視深度學(xué)習(xí)（Deep Learning）？

做理論的人，不得不一個個學(xué)過來，想過了，試過了，然后放掉，下一個。解決問題是最終的目標(biāo)，而不是學(xué)得比人多些，然后坐在原地不動夸耀自己厲害。耍弄十八般武藝，比不過高手一招制敵。至于這一招怎么找到，或者從理論分析這邊入手，或者從實驗入手，都是一樣有價值，都是平等的，不存在誰鄙視誰的問題。

2017-05-10 20:31:13

數(shù)學(xué)研究者深度學(xué)習(xí)

正在涌現(xiàn)的新型神經(jīng)網(wǎng)絡(luò)模型：優(yōu)于生成對抗網(wǎng)絡(luò)

隨著深度神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)展，新型的網(wǎng)絡(luò)架構(gòu)也在不斷涌現(xiàn)。

2017-05-10 14:32:31

神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)架構(gòu)模型

入門級攻略：機器學(xué)習(xí) VS. 深度學(xué)習(xí)

本文以淺顯易懂的語言介紹了機器學(xué)習(xí)和深度學(xué)習(xí)的定義及應(yīng)用，以及在源數(shù)據(jù)要求，硬件支持，特征工程、問題解決方式、執(zhí)行時間及可解釋性等方面的區(qū)別，對于新手入門有很大啟示意義。

2017-05-10 09:26:41

機器學(xué)習(xí)深度學(xué)習(xí)

深度學(xué)習(xí)的“深度”有什么意義?

深度學(xué)習(xí)的”深度”，早幾年討論的挺多的，身邊有不同的理解：深度=更大規(guī)模的網(wǎng)絡(luò)，也有認(rèn)為：深度=更抽象的特征，近年來物理上也有人側(cè)面顯示：深度=玻璃相轉(zhuǎn)變，如果后者的觀點成立，那么僅僅引入GPU甚至FPGA硬件的目的只是加快，沒有算法的幫助(調(diào)參也算一種算法，后面會解釋)是不會加深的!

2017-05-08 16:13:33

深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)深度

深度學(xué)習(xí)的時間序列模型評價

這次主要說最近發(fā)展的無監(jiān)督特征學(xué)習(xí)和深入學(xué)習(xí)，其對于時間序列模型問題的評價。這次主要概述了時間序列數(shù)據(jù)存在的特殊挑戰(zhàn)，并提供了工作的評價，其含有把時間序列應(yīng)用到非監(jiān)督特征學(xué)習(xí)算法或者是有選擇的促成特征學(xué)習(xí)算法的變動去考慮目前時間序列數(shù)據(jù)的挑戰(zhàn)。

2017-05-08 14:42:36

深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)時間序列

TensorFlow上手要點都總結(jié)在這兒了，你還有理由偷懶嗎？

本文作者 Steven Dufresne，總結(jié)了新手學(xué) TensorFlow 需要的核心知識點和實操內(nèi)容，旨在鼓勵更多人借 TensorFlow 邁入深度學(xué)習(xí)殿堂。作為基礎(chǔ)入門教程，該教程從 TensorFlow 原理簡介講到上手操作，對核心概念逐條解釋，非常適合基礎(chǔ)薄弱、苦無入門途徑的新手。

2017-05-08 11:02:59

TensorFlow 神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)

自然語言處理領(lǐng)域的核心：序列學(xué)習(xí)

生活中所有的實物都與時間有關(guān)，從而形成了一個序列，在這一篇當(dāng)中，我們將一起認(rèn)識自然語言處理領(lǐng)域的核心：序列學(xué)習(xí)。

2017-05-05 15:34:49

自然語言處理

深度學(xué)習(xí)10大框架對比分析

在 BEEVA Labs，我們常常需要應(yīng)對許多不同的深度學(xué)習(xí)庫，所以我希望能夠?qū)⑽覀兊陌l(fā)現(xiàn)和感想分享出來，幫助那些剛剛進入深度學(xué)習(xí)這一美麗世界的人。

2017-05-05 10:15:38

深度學(xué)習(xí)框架對比分析

如何給非專業(yè)人士講解什么是深度學(xué)習(xí)？

深度學(xué)習(xí)就是這樣一種在表達能力上靈活多變，同時又允許計算機不斷嘗試，直到最終逼近目標(biāo)的一種機器學(xué)習(xí)方法。

2017-05-05 09:13:07

深度學(xué)習(xí)AI 決策樹

如何從信號分析角度理解卷積神經(jīng)網(wǎng)絡(luò)的復(fù)雜機制？

RECOS 模型用信號分析的角度為我們剖析了卷積神經(jīng)網(wǎng)絡(luò)。從這個角度來看，我們可以看到激活函數(shù)和深度架構(gòu)的有效性。然而，以下幾個方面仍需要重點研究：網(wǎng)絡(luò)架構(gòu)設(shè)計、弱監(jiān)督學(xué)習(xí)、對錯誤標(biāo)簽的魯棒性、數(shù)據(jù)集偏差和過擬合問題等。

2017-05-05 08:57:06

卷積神經(jīng)網(wǎng)絡(luò)機制

當(dāng)知識圖譜“遇見”深度學(xué)習(xí)

近日，Tartu大學(xué)計算機科學(xué)系計算神經(jīng)學(xué)小組的學(xué)者在robohub網(wǎng)站發(fā)表文章，闡述了他們對DeepMind人工智能算法的復(fù)現(xiàn)。在arXiv發(fā)表的原始論文中，描述了一個單個的網(wǎng)絡(luò)，它能夠自我學(xué)習(xí)從而自動的玩一些老的電視游戲。它僅僅通過屏幕上面的圖像和游戲中的分?jǐn)?shù)是否上升下降，從而做出選擇性的動作。

2017-05-04 13:18:18

深度學(xué)習(xí)知識圖譜

如何給非專業(yè)人士講解什么是深度學(xué)習(xí)？

文對深度學(xué)習(xí)的概念闡述刻意避免了數(shù)學(xué)公式和數(shù)學(xué)論證，這種用水管網(wǎng)絡(luò)來普及深度學(xué)習(xí)的方法只適合一般公眾。對于懂?dāng)?shù)學(xué)、懂計算機科學(xué)的專業(yè)人士來說，這樣的描述相當(dāng)不完備也不精確。流量調(diào)節(jié)閥的比喻與深度神經(jīng)網(wǎng)絡(luò)中每個神經(jīng)元相關(guān)的權(quán)重調(diào)整，在數(shù)學(xué)上并非完全等價。對水管網(wǎng)絡(luò)的整體描述也有意忽略了深度學(xué)習(xí)算法中的代價函數(shù)、梯度下降、反向傳播等重要概念。專業(yè)人士要學(xué)習(xí)深度學(xué)習(xí)，還是要從專業(yè)教程看起。

2017-05-04 13:11:28

深度學(xué)習(xí)AI

是什么讓深度學(xué)習(xí)能夠深入世界并改變世界？

受人類大腦的生物學(xué)習(xí)過程的啟發(fā)，科學(xué)家們研究出了人工神經(jīng)網(wǎng)絡(luò)(ANN)?！吧疃葘W(xué)習(xí)”指的是由許多層網(wǎng)絡(luò)層組成的人工神經(jīng)網(wǎng)絡(luò)。它是機器學(xué)習(xí)中發(fā)展最快的領(lǐng)域。它使用包括多層網(wǎng)絡(luò)層的深層神經(jīng)網(wǎng)絡(luò)(DNN)來學(xué)習(xí)表征和抽象，從而理解圖像、聲音和文本等數(shù)據(jù)。

2017-05-03 08:19:04

深度學(xué)習(xí)世界 ANN網(wǎng)絡(luò)

淺談深度學(xué)習(xí)的基本概念和方法

本文旨在提供直觀簡明的深度學(xué)習(xí)引導(dǎo)，涵蓋深度學(xué)習(xí)的基本概念，而不涉及很多數(shù)學(xué)和理論細(xì)節(jié)。當(dāng)然如果要做更深入的研究，數(shù)學(xué)肯定是必不可少的，但是本系列主要還是用圖片和類比等方式，幫助初學(xué)者快速建立大局觀。

2017-05-02 14:45:11

深度學(xué)習(xí)機器學(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)

游戲中的深度學(xué)習(xí)與人工智能

本文是作者跟大家分享的內(nèi)容是深度學(xué)習(xí)在游戲AI中的應(yīng)用這樣一個話題。

2017-05-02 13:45:14

人工智能深度學(xué)習(xí)游戲

數(shù)據(jù)平臺上的計算能力：哪些GPU更適合深度學(xué)習(xí)和數(shù)據(jù)庫？

GPU和AI越來越火，引起了大批投資者和開發(fā)者的注意。百度前首席科學(xué)家Andrew Ng提到，AI的春天已經(jīng)到來，其重要因素之一是GPU處理能力，能讓神經(jīng)網(wǎng)絡(luò)的智能可以隨數(shù)據(jù)增加而提升，突破了過去的AI所能達到的平臺。

2017-05-02 11:47:17

深度學(xué)習(xí)AI

用幾何學(xué)提升深度學(xué)習(xí)模型性能，是計算機視覺研究的未來

深度學(xué)習(xí)使計算機視覺得以蛻變。如今，絕大多數(shù)問題的最佳解決方案是基于端到端的深度學(xué)習(xí)模型，尤其是當(dāng)卷積神經(jīng)網(wǎng)絡(luò)傾向于開箱即用后便深受青睞。但這些模型主要為大型黑箱，其透明度很差。

2017-05-02 09:54:03

深度學(xué)習(xí)幾何學(xué)計算機

一文詳解深度神經(jīng)網(wǎng)絡(luò)中的對抗樣本與學(xué)習(xí)

最近大半年，人工智能領(lǐng)域成為科技領(lǐng)域提到的最多的名詞之一。在kdnuggets此前發(fā)布的文章 (Deep Learning’s Deep Flaws)’s Deep Flaws 中，深度學(xué)習(xí)大神Yoshua Bengio和他的博士生、Google科學(xué)家Ian Goodfellow在評論中與作者就深度學(xué)習(xí)對抗樣本(Adversarial Examples)展開了熱烈的討論，kdnuggets編輯邀請Ian Goodfellow撰文詳解他的觀點以及他在這方面的工作。那么什么是對抗樣本，對抗樣本又是如何生成的呢?

2017-04-26 14:32:24

神經(jīng)網(wǎng)絡(luò)人工智能對杭樣本

看得“深”、看得“清” —— 深度學(xué)習(xí)在圖像超清化的應(yīng)用

日復(fù)一日的人像臨摹練習(xí)使得畫家能夠僅憑幾個關(guān)鍵特征畫出完整的人臉。同樣地，我們希望機器能夠通過低清圖像有限的圖像信息，推斷出圖像對應(yīng)的高清細(xì)節(jié)，這就需要算法能夠像畫家一樣“理解”圖像內(nèi)容。至此，傳統(tǒng)的規(guī)則算法不堪重負(fù)，新興的深度學(xué)習(xí)照耀著圖像超清化的星空。

2017-04-26 13:50:26

深度學(xué)習(xí)圖像超清應(yīng)用

CNN淺析和歷年ImageNet冠軍模型解析

今天在這里我給大家講解一些深度學(xué)習(xí)中卷積神經(jīng)網(wǎng)絡(luò)的原理和一些經(jīng)典的網(wǎng)絡(luò)結(jié)構(gòu)。

2017-04-26 13:10:50

CNN ImageNet 深度學(xué)習(xí)

卷積神經(jīng)網(wǎng)絡(luò)實戰(zhàn)——使用keras識別貓咪

深度學(xué)習(xí)領(lǐng)域的卷積神經(jīng)網(wǎng)絡(luò)(CNNs或ConvNets)在各行各業(yè)為我們解決了大量的實際問題。但是對于大多數(shù)人來說，CNN仿佛戴上了神秘的面紗。我經(jīng)常會想，要是能將神經(jīng)網(wǎng)絡(luò)的過程分解，看一看每一個步驟是什么樣的結(jié)果該有多好!這也就是這篇博客存在的意義。

2017-04-26 09:30:53

卷積神經(jīng)網(wǎng)絡(luò)實戰(zhàn)

如何用PyTorch實現(xiàn)遞歸神經(jīng)網(wǎng)絡(luò)？

PyTorch 是 Facebook AI Research 和其它幾個實驗室的開發(fā)人員的成果，該框架結(jié)合了 Torch7 高效靈活的 GPU 加速后端庫與直觀的 Python 前端，它的特點是快速成形、代碼可讀和支持最廣泛的深度學(xué)習(xí)模型。

2017-04-26 08:31:10

神經(jīng)網(wǎng)絡(luò)自然語言 PyTorch

Caffe的深度學(xué)習(xí)訓(xùn)練全過程

今天的目標(biāo)是使用Caffe完成深度學(xué)習(xí)訓(xùn)練的全過程。Caffe是一款十分知名的深度學(xué)習(xí)框架，由加州大學(xué)伯克利分校的賈揚清博士于2013年在Github上發(fā)布。自那時起，Caffe在研究界和工業(yè)界都受到了極大的關(guān)注。Caffe的使用比較簡單，代碼易于擴展，運行速度得到了工業(yè)界的認(rèn)可，同時還有十分成熟的社區(qū)。

2017-04-25 18:03:11

Caffe 深度學(xué)習(xí)框架

深度卷積神經(jīng)網(wǎng)絡(luò)在目標(biāo)檢測中的進展

近些年來，深度卷積神經(jīng)網(wǎng)絡(luò)(DCNN)在圖像分類和識別上取得了很顯著的提高?；仡檹?2014 到 2016 這兩年多的時間，先后涌現(xiàn)出了 R-CNN，F(xiàn)ast R-CNN, Faster R-CNN, ION, HyperNet, SDP-CRC, YOLO,G-CNN, SSD 等越來越快速和準(zhǔn)確的目標(biāo)檢測方法。

2017-04-25 15:12:45

神經(jīng)網(wǎng)絡(luò)SSD 檢測

漫談四種神經(jīng)網(wǎng)絡(luò)序列解碼模型以及示例代碼

利用通俗的語言來談?wù)勆窠?jīng)網(wǎng)絡(luò)模型中4種序列解碼模型，主要是從整體概念和思路上進行通俗解釋幫助理解。

2017-04-25 08:26:39

神經(jīng)網(wǎng)絡(luò)解碼

深度學(xué)習(xí)利器：TensorFlow系統(tǒng)架構(gòu)及高性能程序設(shè)計

2015年11月9日谷歌開源了人工智能平臺TensorFlow，同時成為2015年最受關(guān)注的開源項目之一。經(jīng)歷了從v0.1到v0.12的12個版本迭代后，谷歌于2017年2月15日發(fā)布了TensorFlow 1.0 版本，并同時在美國加州山景城舉辦了首屆TensorFlow Dev Summit會議。

2017-04-24 14:09:13

深度學(xué)習(xí)TensorFlow

七步讓你實踐深度學(xué)習(xí)

我們工作中經(jīng)常會問： “深度學(xué)習(xí)該從哪里學(xué)起?” 雖然網(wǎng)上已經(jīng)有點了大量的免費課程，但是冗雜的信息太多。為了幫助你進入深度學(xué)習(xí)的“坑”，我們整理了以下這些資源。

2017-04-21 14:21:53

深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)

理解深度學(xué)習(xí)的鑰匙–參數(shù)篇

這是你所有看到的有關(guān)神經(jīng)網(wǎng)絡(luò)參數(shù)的理解中最通俗易懂的一個了，公式也減到了最少，神經(jīng)網(wǎng)絡(luò)的專業(yè)人士繞道哦。

2017-04-19 09:15:57

深度學(xué)習(xí)

英偉達推出高性能Jetson TX2，加快深度學(xué)習(xí)在終端設(shè)備上的布局

etson TX2 芯片將會應(yīng)用于更多的場景，包括城市安保、智能無人機、海洋觀測、智能農(nóng)業(yè)、工業(yè)和商用機器人等領(lǐng)域有著廣闊的前景。在嵌入式設(shè)備的計算芯片上，他們擁有無與倫比的優(yōu)勢。

2017-04-18 20:33:17

英偉達 NVIDIA TX1

一文看懂神經(jīng)網(wǎng)絡(luò)工作原理

本文帶來對深度神經(jīng)網(wǎng)絡(luò)的通俗介紹。

2017-04-17 13:10:09

神經(jīng)網(wǎng)絡(luò)人工智能網(wǎng)絡(luò)

Facebook的交互式神經(jīng)網(wǎng)絡(luò)可視化系統(tǒng)ActiVis，打開神經(jīng)網(wǎng)絡(luò)的“黑盒子”

對于老式機器學(xué)習(xí)模型而言，這問題不大;但是如今對于非線性隱匿式數(shù)據(jù)結(jié)構(gòu)和無數(shù)參數(shù)而言，這卻是個問題。對于為科學(xué)應(yīng)用部署神經(jīng)網(wǎng)絡(luò)的研究人員而言，黑盒子缺乏再現(xiàn)性(reproducibility)這個問題帶來了驗證方面的障礙，不過對于深度學(xué)習(xí)框架的生產(chǎn)級用戶來說，因缺乏可見性而無法深入了解網(wǎng)絡(luò)行為還存在其他問題，尤其是在優(yōu)化模型，以獲得更好的性能、效率和準(zhǔn)確性方面。

2017-04-17 10:25:29

神經(jīng)網(wǎng)絡(luò)可視化 ActiVis

深度學(xué)習(xí)概述：從感知機到深度網(wǎng)絡(luò)

AI尤其是機器學(xué)習(xí)領(lǐng)域出現(xiàn)的一股新潮流很大程度上推動了這次復(fù)興——深度學(xué)習(xí)。本文中我將介紹深度學(xué)習(xí)背后的關(guān)鍵概念及算法，從最簡單的元素開始并以此為基礎(chǔ)進行下一步構(gòu)建。

2017-04-14 08:58:55

深度學(xué)習(xí)感知機深度網(wǎng)絡(luò)

理解深度學(xué)習(xí)的鑰匙 –啟蒙篇

由于理解深度學(xué)習(xí)的前提是理解神經(jīng)網(wǎng)絡(luò)，因此，筆者會試著寫三篇文章，分別是啟蒙篇，參數(shù)篇及總結(jié)篇，深入淺出的給出我的理解，所有的資料都來自網(wǎng)上電子書《Neural Networks and Deep Learning》，這本書寫得實在太好了，我只是剪輯了下，吸出了其中的精髓，希望你堅持看完。

2017-04-13 17:20:21

深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)

用深度學(xué)習(xí)(CNN RNN Attention)解決大規(guī)模文本分類問題 - 綜述和實踐

傳統(tǒng)做法主要問題的文本表示是高緯度高稀疏的，特征表達能力很弱，而且神經(jīng)網(wǎng)絡(luò)很不擅長對此類數(shù)據(jù)的處理;此外需要人工進行特征工程，成本很高。而深度學(xué)習(xí)最初在之所以圖像和語音取得巨大成功，一個很重要的原因是圖像和語音原始數(shù)據(jù)是連續(xù)和稠密的，有局部相關(guān)性。

2017-04-13 09:18:02

深度學(xué)習(xí)文本分類

深度學(xué)習(xí)在自然語言處理中的應(yīng)用

自然語言處理是研究和實現(xiàn)人與計算機之間用自然語言進行有效通信的各種理論和方法。本文主要介紹深度學(xué)習(xí)在自然語言處理中的應(yīng)用。

2017-04-10 16:15:55

人工智能深度學(xué)習(xí)應(yīng)用

有沒有將深度學(xué)習(xí)融入機器人領(lǐng)域的新嘗試？

現(xiàn)在深度學(xué)習(xí)這么火，大家都會想著看看能不能用到自己的研究領(lǐng)域里。所以，將深度學(xué)習(xí)融入到機器人領(lǐng)域的嘗試也是有的。我就自己了解的兩個方面（視覺與規(guī)劃）來簡單介紹一下吧。

2017-04-05 10:05:57

深度學(xué)習(xí)機器人

擺好正確姿勢看 Google 神級深度學(xué)習(xí)框架 TensorFlow 的實踐思路原創(chuàng)

作為Goolge二代DL框架，使用數(shù)據(jù)流圖的形式進行計算的TensorFlow已經(jīng)成為了機器學(xué)習(xí)、深度學(xué)習(xí)領(lǐng)域中最受歡迎的框架之一。自從發(fā)布以來，TensorFlow不斷在完善并增加新功能，并在今年的2月26號在Mountain View舉辦的首屆年度TensorFlow開發(fā)者峰會上正式發(fā)布了TensorFlow 1.0版本，其最大的亮點就是通過優(yōu)化模型達到最快的速度，且快到令人難以置信，更讓人想不到的是很多擁護者用TensorFlow 1.0的發(fā)布來定義AI的元年。

2017-03-31 09:45:34

TensorFlow 深度學(xué)習(xí)

上一頁 1 ··· 29 30 31 32 33 34 下一頁

51CTO技術(shù)棧公眾號

業(yè)務(wù)
速覽

媒體

51CTO CIOAge HC3i

社區(qū)

51CTO博客鴻蒙開發(fā)者社區(qū) AI.x社區(qū)

教育

51CTO學(xué)堂精培企業(yè)培訓(xùn) CTO訓(xùn)練營