文章库ARTICLE COLUMN

  • 实现 TensorFlow 多机并行线性加速

    实现 TensorFlow 多机并行线性加速

    摘要:在一个数据分析任务和任务混合的环境中,大数据分析任务也会消耗很多网络带宽如操作,网络延迟会更加严重。本地更新更新更新目前,我们已经复现中的实验结果,实现了多机并行的线性加速。 王佐,天数润科深度学习平台负责人,曾担任 Intel亚太研发中心T...

    时飞时飞 评论0 收藏0
  • CNN超参数优化和可视化技巧详解

    CNN超参数优化和可视化技巧详解

    摘要:在计算机视觉领域,对卷积神经网络简称为的研究和应用都取得了显著的成果。文章讨论了在卷积神经网络中,该如何调整超参数以及可视化卷积层。卷积神经网络可以完成这项任务。 在深度学习中,有许多不同的深度网络结构,包括卷积神经网络(CNN或convnet)...

    FundebugFundebug 评论0 收藏0
  • 基于TensorFlow理解三大降维技术:PCA、t-SNE 和自编码器

    基于TensorFlow理解三大降维技术:PCA、t-SNE 和自编码器

    摘要:代码地址在这篇文章中,我将尽我所能揭秘三种降维技术和自编码器。动机当处理真实问题和真实数据时,我们往往遇到维度高达数百万的高维数据。尽管在其原来的高维结构中,数据能够得到较好的表达,但有时候我们可能需要给数据降维。 代码地址:https://g...

    WildcardWildcard 评论0 收藏0
  • 最后一届ImageNet挑战赛落幕,「末代」皇冠多被国人包揽

    最后一届ImageNet挑战赛落幕,「末代」皇冠多被国人包揽

    摘要:在本次竞赛中,南京信息工程大学和帝国理工学院的团队获得了目标检测的最优成绩,最优检测目标数量为平均较精确率为。最后在视频目标检测任务中,帝国理工大学和悉尼大学所组成的团队取得了较佳表现。 在本次 ImageNet 竞赛中,南京信息工程大学和帝国...

    jimhsjimhs 评论0 收藏0
  • 深度神经网络(DNN)是否模拟了人类大脑皮层结构?

    深度神经网络(DNN)是否模拟了人类大脑皮层结构?

    摘要:深度神经网络里面,大部分节点都是等同的,但是在人类神经网络里面,并不是这样。神经网络的结构目前的深度神经网络主要是三种结构,全连接的卷积,循环。总结一下,就是深度神经网络和大脑皮层有共通的地方,但是并不能算是模拟。 神经元在深度学习领...

    JuvenJuven 评论0 收藏0
  • LSTM入门必读:从基础知识到工作方式详解

    LSTM入门必读:从基础知识到工作方式详解

    摘要:意味着完全保持,意味着完全丢弃。卡比兽写这篇博文的时间我本可以抓一百只,请看下面的漫画。神经网络神经网络会以的概率判定输入图片中的卡比兽正在淋浴,以的概率判定卡比兽正在喝水,以的概率判定卡比兽正在遭遇袭击。最终结果是卡比兽正在遭遇袭击...

    alanoddsoffalanoddsoff 评论0 收藏0
  • 首次曝光!在线视频衣物精确检索技术,开启刷剧败明星同款时代

    首次曝光!在线视频衣物精确检索技术,开启刷剧败明星同款时代

    摘要:整个系统采用了目前较先进的衣物检测和跟踪技术。然后对这些候选框进行跟踪,得到明星同款在视频中的的运动轨迹。 《从视频到电商:视频衣物较精确检索》围绕视频电商业务场景,提出了一个在线视频衣物较精确检索系统。该系统能够满足用户在观看影视剧...

    ChiclaimChiclaim 评论0 收藏0
  • 一文了解各种卷积结构原理及优劣

    一文了解各种卷积结构原理及优劣

    摘要:在上通过这篇文章快速地介绍了不同类型的卷积结构及优势。为了简单起见,本文仅探讨二维卷积结构。转置卷积转置卷积又名反卷积或是分数步长卷积。反卷积这种叫法是不合适的,因为它不符合反卷积的概念。实际上,反卷积是卷积操作的逆过程。 卷积神经网...

    BmobBmob 评论0 收藏0
  • 这里有一个机器学习模型,它知道2.2亿欧元的内马尔值不值得买

    这里有一个机器学习模型,它知道2.2亿欧元的内马尔值不值得买

    摘要:也就是说,这个机器学习模型,现在还只能当做一种参考,还不能将场外号召力也计入工资体系中。不过研究者称,无论是足球迷还是非足球迷,这个机器学习模型,都能为未来商品定价提供参考。 内马尔2.2亿欧元转换大巴黎阿森纳主帅温格在位20载,什么样优秀...

    LeanCloudLeanCloud 评论0 收藏0
  • TensorFlow和PyTorch相继发布最新版本,有什么变化?

    TensorFlow和PyTorch相继发布最新版本,有什么变化?

    摘要:统计分布库的初始版本。允许将边界传递到最优化接口。从版本开始,这样的模型将接受导出时指定的密钥。更新示例以使用,并移动到中。此外,此更改增加了设备列表中的主要以支持指定。广播语义密切跟随式广播。 Tensorflow主要特征和改进在Tensorflow库...

    JrainJrain 评论0 收藏0
  • 10 大深度学习架构:计算机视觉优秀从业者必备

    10 大深度学习架构:计算机视觉优秀从业者必备

    摘要:深度学习架构清单现在我们明白了什么是高级架构,并探讨了计算机视觉的任务分类,现在让我们列举并描述一下最重要的深度学习架构吧。是较早的深度架构,它由深度学习先驱及其同僚共同引入。这种巨大的差距由一种名为的特殊结构引起。 时刻跟上深度学习...

    qieangel2013qieangel2013 评论0 收藏0
  • IBM表示已经打破Facebook的人工智能服务器扩展记录

    IBM表示已经打破Facebook的人工智能服务器扩展记录

    摘要:日前,公司宣布推出其分布式深度学习软件的测试版,该软件证明了在深度学习表现出来的技术飞跃。系统加速和内存总监在一篇博文中表示更受欢迎的深度学习框架扩展到服务器中的多个,而不是扩展到具有的多个服务器。 日前,IBM 公司宣布推出其分布式深度...

    YumenokanataYumenokanata 评论0 收藏0
  • “未卜先知”、“自学成才”:GANs奇思妙想TOP10榜单

    “未卜先知”、“自学成才”:GANs奇思妙想TOP10榜单

    摘要:实现这一应用的基本思想方法是将图像的每一列用向量来表示,计算每一个的平均值,从而得到一个向量。标准加强学习模型通常要求建立一个奖励函数,用于向代理机器反馈符合预期的行为。来源更多信息自学成才让好奇驱动计算机学习在很多 还记得《射雕英雄...

    JessYanCodingJessYanCoding 评论0 收藏0
  • 这梦一般的街景,全是AI伪造的 | 把GAN秒成渣渣的paper+code

    这梦一般的街景,全是AI伪造的 | 把GAN秒成渣渣的paper+code

    摘要:陈启峰认为,这种技术前途大好,最终可以用于创造真正模拟现实世界的游戏场景。小学时,陈启峰先后获得全国作文竞赛二等奖和奥数竞赛一等奖。年,岁的陈启峰发表论文,提出数据结构。 『凡所有相,皆是虚妄』上面这张德国街道图片,乍一看像是行车记录...

    WorktileWorktile 评论0 收藏0
  • 熬过深宫十几载,深度学习上位这五年

    熬过深宫十几载,深度学习上位这五年

    摘要:年,发表,至今,深度学习已经发展了十几年了。年的结构图图片来自于论文基于图像识别的深度卷积神经网络这篇文章被称为深度学习的开山之作。还首次提出了使用降层和数据增强来解决过度匹配的问题,对于误差率的降低至关重要。 1998年,Yann LeCun 发表...

    msupmsup 评论0 收藏0
  • Jeff Dean「Hot Chips 2017」演讲:AI对计算机系统设计的影响

    Jeff Dean「Hot Chips 2017」演讲:AI对计算机系统设计的影响

    摘要:谷歌也不例外,在大会中介绍了人工智能近期的发展及其对计算机系统设计的影响,同时他也对进行了详细介绍。表示,在谷歌产品中的应用已经超过了个月,用于搜索神经机器翻译的系统等。此外,学习优化更新规则也是自动机器学习趋势中的一个信号。 在刚刚...

    explorer_ddfexplorer_ddf 评论0 收藏0
  • 用GAN去除动作片中的马赛克和衣服

    用GAN去除动作片中的马赛克和衣服

    摘要:这篇就介绍利用生成式对抗网络的两个基本驾驶技能去除爱情动作片中的马赛克给爱情动作片中的女孩穿衣服生成式模型上一篇用生成二维样本的小例子中已经简单介绍了,这篇再简要回顾一下生成式模型,算是补全一个来龙去脉。 作为一名久经片场的老司机,早...

    DC_erDC_er 评论0 收藏0
  • 原创翻译 | 深度学习与机器学习 - 您需要知道的基本差异!

    原创翻译 | 深度学习与机器学习 - 您需要知道的基本差异!

    摘要:深度学习自动找到对分类重要的特征,而在机器学习,我们必须手工地给出这些特征。数据依赖深度学习和传统机器学习最重要的区别在于数据量增长下的表现差异。这是深度学习一个特别的部分,也是传统机器学习主要的步骤。 前言 机器学习和深度学习现在...

    jsummerjsummer 评论0 收藏0
  • 深度学习中的15个未解难题

    深度学习中的15个未解难题

    摘要:作为工程师的我们,怎样才能确保在网络训练过程中不存在偏见和种族歧视深度神经网络很难用来解决逻辑问题。深度神经网络在处理大维度的特征数据方面效果不佳。 认脸、翻译、合成语音……深度学习在很多问题上都取得了非常好的成绩。那么,还有什么问题...

    JayChenJayChen 评论0 收藏0
  • 【LeCun台大演讲】AI最大缺陷是缺乏常识,无监督学习突破困境

    【LeCun台大演讲】AI最大缺陷是缺乏常识,无监督学习突破困境

    摘要:无监督式学习是突破困境的关键,采用无监督学习的对抗训练让拥有真正自我学习的能力。如何让拥有人类的常识认为要用无监督式学习。强化学习是蛋糕上不可或缺的樱桃,所需要资料量可能大约只有几个,监督式学习 6 月 29 日,台湾大学。卷积神经网络之父...

    villainhrvillainhr 评论0 收藏0
  • 感知对抗网络 PAN,一个框架搞定多种图像转换

    感知对抗网络 PAN,一个框架搞定多种图像转换

    摘要:此前有工作将像素损失和生成对抗损失整合为一种新的联合损失函数,训练图像转换模型产生分辨率更清的结果。一般来说,结合使用多种损失函数的效果通常比多带带使用一种要好。结合感知对抗损失和生成对抗损失,提出了感知对抗网络这一框架,处理图像转换...

    happenhappen 评论0 收藏0
  • AMD深度学习库MIOpen更新,支持CNN加速

    AMD深度学习库MIOpen更新,支持CNN加速

    摘要:农企的深度学习加速库更新了,它现在已经能支持对的加速。全称,是在去年月推出的开源运算平台,则是为此开发的软件库,其作用是将程序设计语言和平台连接,以充分利用架构。 农企的深度学习加速库MIOpen 1.0更新了,它现在已经能支持对CNN的加速。ROCm...

    FreemanFreeman 评论0 收藏0
  • 一个时代的终结:ImageNet 竞赛 2017 是最后一届

    一个时代的终结:ImageNet 竞赛 2017 是最后一届

    摘要:年月日,将标志着一个时代的终结。数据集最初由斯坦福大学李飞飞等人在的一篇论文中推出,并被用于替代数据集后者在数据规模和多样性上都不如和数据集在标准化上不如。从年一个专注于图像分类的数据集,也是李飞飞开创的。 2017 年 7 月 26 日,将标志...

    OnlyMyRailgunOnlyMyRailgun 评论0 收藏0
  • 谷歌团队提出全新在线序列到序列模型,可应用于噪声语音识别

    谷歌团队提出全新在线序列到序列模型,可应用于噪声语音识别

    摘要:谷歌团队还研究使用该模型进行噪声输入,其中以不同混合比例将两个扬声器的单声道混合语音作为模型的输入。结论在本文中,谷歌团队引入了一种新的在线序列到序列模型的训练方式,并将其应用于具有噪音输入的环境。 近日谷歌团队发布了一篇关于在线语音...

    dreambeidreambei 评论0 收藏0
  • 斯坦福新深度学习系统 NoScope:视频对象检测快1000倍

    斯坦福新深度学习系统 NoScope:视频对象检测快1000倍

    摘要:通过利用一系列利用视频局部性的优化,显著降低了在每个帧上的计算量,同时仍保持常规检索的高精度。的差异检测器目前是使用逐帧计算的逻辑回归模型实现的。这些检测器在上的运行速度非常快,每秒超过万帧。也就是说,每秒处理的视频帧数超过帧。 视频...

    xcoldxcold 评论0 收藏0

热门文章

<