51CTO首頁(yè)

AI.x社區(qū)

博客

學(xué)堂

精品班

公眾號(hào)矩陣

移動(dòng)端

視頻課免費(fèi)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(xiàng)目管理免費(fèi)題庫(kù)

在線學(xué)習(xí)

文章資源問(wèn)答課堂專(zhuān)欄直播

51CTO

鴻蒙開(kāi)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(yíng)

鴻蒙開(kāi)發(fā)者社區(qū)訂閱號(hào)

51CTO軟考

51CTO學(xué)堂APP

51CTO學(xué)堂企業(yè)版APP

鴻蒙開(kāi)發(fā)者社區(qū)視頻號(hào)

51CTO軟考題庫(kù)

賬號(hào)設(shè)置退出

深度學(xué)習(xí)

1695內(nèi)容??

關(guān)注

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

文章博文課程

共 1695 條

自創(chuàng)數(shù)據(jù)集，用TensorFlow預(yù)測(cè)股票教程

本文非常適合初學(xué)者了解如何使用 TensorFlow 構(gòu)建基本的神經(jīng)網(wǎng)絡(luò)，它全面展示了構(gòu)建一個(gè) TensorFlow 模型所涉及的概念與模塊。本文所使用的數(shù)據(jù)集可以直接下載，所以有一定基礎(chǔ)的讀者也可以嘗試使用更強(qiáng)的循環(huán)神經(jīng)網(wǎng)絡(luò)處理這一類(lèi)時(shí)序數(shù)據(jù)。

2017-11-24 08:00:06

深度學(xué)習(xí)TensorFlow 預(yù)測(cè)股票

使用深度學(xué)習(xí)來(lái)預(yù)測(cè)NBA比賽結(jié)果

這篇文章，我們來(lái)使用深度學(xué)習(xí)來(lái)預(yù)測(cè) NBA 比賽結(jié)果。要用深度學(xué)習(xí)來(lái)預(yù)測(cè)比賽結(jié)果，需要有大量技術(shù)統(tǒng)計(jì)數(shù)據(jù)作為學(xué)習(xí)樣本。

2017-11-23 14:49:51

深度學(xué)習(xí)NBA 數(shù)據(jù)

CNN與RNN對(duì)中文文本進(jìn)行分類(lèi)--基于TENSORFLOW實(shí)現(xiàn)

本文是基于TensorFlow在中文數(shù)據(jù)集上的簡(jiǎn)化實(shí)現(xiàn)，使用了字符級(jí)CNN和RNN對(duì)中文文本進(jìn)行分類(lèi)，達(dá)到了較好的效果。

2017-11-23 14:35:36

深度學(xué)習(xí)TENSORFLOW CNN

深度學(xué)習(xí)的異構(gòu)加速技術(shù)（二）：螺獅殼里做道場(chǎng)

無(wú)論在FPGA還是ASIC設(shè)計(jì)，無(wú)論針對(duì)CNN還是LSTM與MLP，無(wú)論應(yīng)用在嵌入式終端還是云端（TPU1），其構(gòu)架的核心都是解決帶寬問(wèn)題。不解決帶寬問(wèn)題，空有計(jì)算能力，利用率卻提不上來(lái)。

2017-11-21 12:02:03

深度學(xué)習(xí)異構(gòu)技術(shù)

深度學(xué)習(xí)的異構(gòu)加速技術(shù)（一）：AI 需要一個(gè)多大的“心臟”？

作為通用處理器，CPU (Central Processing Unit) 是計(jì)算機(jī)中不可或缺的計(jì)算核心，結(jié)合指令集，完成日常工作中多種多樣的計(jì)算和處理任務(wù)。然而近年來(lái)，CPU在計(jì)算平臺(tái)領(lǐng)域一統(tǒng)天下的步伐走的并不順利，可歸因于兩個(gè)方面，即自身約束和需求轉(zhuǎn)移。

2017-11-21 10:35:14

深度學(xué)習(xí)異構(gòu)加速

深度強(qiáng)化學(xué)習(xí)入門(mén)：用TensorFlow構(gòu)建你的第一個(gè)游戲AI

強(qiáng)化學(xué)習(xí)起初看似非常有挑戰(zhàn)性，但其實(shí)要入門(mén)并不困難。在這篇文章中，我們將創(chuàng)造一個(gè)基于 Keras 的簡(jiǎn)單機(jī)器人，使它能玩 Catch 游戲。

2017-11-21 09:20:06

深度學(xué)習(xí)TensorFlow 游戲AI

AI實(shí)踐者需要掌握的10大深度學(xué)習(xí)方法：反向傳播、遷移學(xué)習(xí)、梯度下降……

本文總結(jié)了10個(gè)強(qiáng)大的深度學(xué)習(xí)方法，包括反向傳播、隨機(jī)梯度下降、學(xué)習(xí)率衰減、Dropout、最大池化、批量歸一化、長(zhǎng)短時(shí)記憶、Skip-gram、連續(xù)詞袋、遷移學(xué)習(xí)等，這是AI工程師可以應(yīng)用于他們的機(jī)器學(xué)習(xí)問(wèn)題的。

2017-11-20 13:46:10

AI 深度學(xué)習(xí)方法

一文概覽深度學(xué)習(xí)中的激活函數(shù)

本文從激活函數(shù)的背景知識(shí)開(kāi)始介紹，重點(diǎn)講解了不同類(lèi)型的非線性激活函數(shù)：Sigmoid、Tanh、ReLU、LReLU、PReLU、Swish，并詳細(xì)介紹了這些函數(shù)的優(yōu)缺點(diǎn)。

2017-11-20 05:08:16

深度學(xué)習(xí)激活函數(shù)神經(jīng)網(wǎng)絡(luò)

一篇文章講清楚人工智能、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的區(qū)別與聯(lián)系

人工智能的浪潮正在席卷全球，諸多詞匯時(shí)刻縈繞在我們耳邊：人工智能、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)。不少人對(duì)這些高頻詞匯的含義及其背后的關(guān)系總是似懂非懂、一知半解。為了幫助大家更好地理解人工智能，這篇文章用最簡(jiǎn)單的語(yǔ)言解釋了這些詞匯的含義，理清它們之間的關(guān)系，希望對(duì)剛?cè)腴T(mén)的同行有所幫助。

2017-11-17 08:39:40

人工智能機(jī)器學(xué)習(xí)深度學(xué)習(xí)

移動(dòng)設(shè)備上的實(shí)時(shí)深度學(xué)習(xí)

2017年，在移動(dòng)應(yīng)用的深度學(xué)習(xí)方面取得了一些重大進(jìn)展。2017年4月，谷歌發(fā)布了輕量級(jí)神經(jīng)網(wǎng)絡(luò)MobileNets。2017年6月，蘋(píng)果公司發(fā)布了Core ML，支持在移動(dòng)設(shè)備上運(yùn)行機(jī)器學(xué)習(xí)模型。除此之外，最近發(fā)布的一些高端設(shè)備配備了GPU，它們運(yùn)行機(jī)器學(xué)習(xí)甚至比MacBook Pro還要快。

2017-11-16 17:26:35

深度學(xué)習(xí)移動(dòng)設(shè)備 MobileNets應(yīng)

超越Softmax瓶頸：一種高秩RNN語(yǔ)言模型

在因式分解(factorization)的基礎(chǔ)上，基于循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的語(yǔ)言模型在多項(xiàng)基準(zhǔn)上都達(dá)到了當(dāng)前最佳的水平。盡管 RNN 作為通用近似器有出色的表達(dá)能力，但點(diǎn)積和 Softmax 的組合是否有能力建模條件概率(會(huì)隨語(yǔ)境的變化而發(fā)生巨大的變化)，這個(gè)問(wèn)題還沒(méi)有得到清楚的解答。

2017-11-15 19:00:49

深度學(xué)習(xí)Softmax RNN語(yǔ)言模型

深度學(xué)習(xí)高手該怎樣煉成？這位阿里天池大賽冠軍為你規(guī)劃了一份專(zhuān)業(yè)成長(zhǎng)路徑

深度學(xué)習(xí)本質(zhì)上是深層的人工神經(jīng)網(wǎng)絡(luò)，它不是一項(xiàng)孤立的技術(shù)，而是數(shù)學(xué)、統(tǒng)計(jì)機(jī)器學(xué)習(xí)、計(jì)算機(jī)科學(xué)和人工神經(jīng)網(wǎng)絡(luò)等多個(gè)領(lǐng)域的綜合。深度學(xué)習(xí)的理解，離不開(kāi)本科數(shù)學(xué)中最為基礎(chǔ)的數(shù)學(xué)分析(高等數(shù)學(xué))、線性代數(shù)、概率論和凸優(yōu)化;深度學(xué)習(xí)技術(shù)的掌握，更離不開(kāi)以編程為核心的動(dòng)手實(shí)踐。沒(méi)有扎實(shí)的數(shù)學(xué)和計(jì)算機(jī)基礎(chǔ)做支撐，深度學(xué)習(xí)的技術(shù)突破只能是空中樓閣。

2017-11-13 14:38:53

深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)

如何使用TensorFlow和自編碼器模型生成手寫(xiě)數(shù)字

自編碼器是一種能夠用來(lái)學(xué)習(xí)對(duì)輸入數(shù)據(jù)高效編碼的神經(jīng)網(wǎng)絡(luò)。若給定一些輸入，神經(jīng)網(wǎng)絡(luò)首先會(huì)使用一系列的變換來(lái)將數(shù)據(jù)映射到低維空間，這部分神經(jīng)網(wǎng)絡(luò)就被稱為編碼器。

2017-11-10 12:45:16

TensorFlow Python 神經(jīng)網(wǎng)絡(luò)

深度學(xué)習(xí)在單圖像超分辨率上的應(yīng)用：SRCNN、Perceptual loss、SRResNet

單圖像超分辨率技術(shù)涉及到增加小圖像的大小，同時(shí)盡可能地防止其質(zhì)量下降。這一技術(shù)有著廣泛用途，包括衛(wèi)星和航天圖像分析、醫(yī)療圖像處理、壓縮圖像/視頻增強(qiáng)及其他應(yīng)用。我們將在本文借助三個(gè)深度學(xué)習(xí)模型解決這個(gè)問(wèn)題，并討論其局限性和可能的發(fā)展方向。

2017-11-10 11:02:36

深度學(xué)習(xí)單圖像超分辨率 SRCNN

23個(gè)熱門(mén)深度學(xué)習(xí)庫(kù)的排名

基于 Github 和 Stack Overflow 上的活躍度以及 Google 搜索結(jié)果，The Data Incubator 最近制作了一個(gè) 23 個(gè)熱門(mén)深度學(xué)習(xí)庫(kù)的排名。

2017-11-08 14:26:54

深度學(xué)習(xí)庫(kù)排名

神經(jīng)學(xué)家的探尋：這就是機(jī)器如何擁有意識(shí)的方法

日前，法蘭西學(xué)院的認(rèn)知科學(xué)家斯坦尼斯拉斯·迪昂、加州大學(xué)洛杉磯分校的Hakwan Lau和巴黎文理研究大學(xué)的希德·庫(kù)韋德?tīng)柟餐谥摹犊茖W(xué)》雜志上發(fā)表了一篇評(píng)論文章，他們認(rèn)為：雖然機(jī)器現(xiàn)在還沒(méi)有意識(shí)，但未來(lái)已有一條清晰的發(fā)展道路。

2017-11-07 11:13:04

意識(shí)機(jī)器人神經(jīng)科學(xué)

用深度學(xué)習(xí)來(lái)解析夢(mèng)境中出現(xiàn)的物體

去開(kāi)ASSC的時(shí)候聽(tīng)到一個(gè)很有趣的工作，用深度學(xué)習(xí)來(lái)解析人類(lèi)夢(mèng)境中出現(xiàn)的物體類(lèi)別。我見(jiàn)到的為數(shù)不多融合深度學(xué)習(xí)和神經(jīng)科學(xué)的工作。回來(lái)之后翻了下相關(guān)文章，來(lái)在這分享下。

2017-11-06 14:00:46

深度學(xué)習(xí)神經(jīng)科學(xué)夢(mèng)境

那些深度學(xué)習(xí)《面試》你可能需要知道的

本文是問(wèn)題“那些深度學(xué)習(xí)《面試》你可能需要知道的”的回答，一共61道，希望對(duì)大家有所幫助。

2017-11-03 15:39:29

深度學(xué)習(xí)面試問(wèn)答

Google Brain工程師演講實(shí)錄：TensorFlow與深度學(xué)習(xí)

Google Brain 的工程師首先跟大家分享深度深入學(xué)習(xí)的例子，然后再跟大家簡(jiǎn)單介紹一下什么是 TensorFlow ，以及 TensorFlow 一些最新特性，包括即將公開(kāi)甚至還沒(méi)有完成一些的特性，最后的時(shí)間簡(jiǎn)要介紹一下 Google Brain 兩個(gè)研究項(xiàng)目。

2017-11-03 13:30:41

深度學(xué)習(xí)TensorFlow Google Brai

學(xué)霸君首席科學(xué)家陳銳鋒：借力技術(shù)削減知識(shí)孤島，實(shí)現(xiàn)教學(xué)增效原創(chuàng)

學(xué)霸君首席科學(xué)家陳銳鋒在專(zhuān)訪中表示，公司定位在成立之初就很明確，教師和學(xué)生是最重要的合作伙伴，學(xué)霸君不會(huì)替代老師，只會(huì)借力 ABCD 對(duì)抗知識(shí)孤島，實(shí)現(xiàn) EEE。

2017-11-02 22:41:08

學(xué)霸君技術(shù)教學(xué)增效

盤(pán)點(diǎn)金融領(lǐng)域里常用的深度學(xué)習(xí)模型

在今天我們發(fā)布的這篇文章中，作者 Sonam Srivastava 介紹了金融中的三種深度學(xué)習(xí)用例及這些模型優(yōu)劣的證據(jù)。

2017-11-02 14:24:08

深度學(xué)習(xí)模型金融領(lǐng)域

外行也能看懂的科普：這就叫自然語(yǔ)言處理

由于自然語(yǔ)言是人類(lèi)區(qū)別于其他動(dòng)物的根本標(biāo)志。沒(méi)有語(yǔ)言，人類(lèi)的思維也就無(wú)從談起，所以自然語(yǔ)言處理體現(xiàn)了人工智能的最高任務(wù)與境界，也就是說(shuō)，只有當(dāng)計(jì)算機(jī)具備了處理自然語(yǔ)言的能力時(shí)，機(jī)器才算實(shí)現(xiàn)了真正的智能。

2017-11-02 12:08:56

深度學(xué)習(xí)自然語(yǔ)言處理

如何保存和恢復(fù)TensorFlow訓(xùn)練的模型

在這篇文章中，我們來(lái)看一下如何保存和恢復(fù)TensorFlow模型，我們?cè)诖私榻B一些最有用的方法，并提供一些例子。

2017-11-01 15:13:49

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

當(dāng)前深度神經(jīng)網(wǎng)絡(luò)模型壓縮和加速方法速覽

大型神經(jīng)網(wǎng)絡(luò)具有大量的層級(jí)與結(jié)點(diǎn)，因此考慮如何減少它們所需要的內(nèi)存與計(jì)算量就顯得極為重要，特別是對(duì)于在線學(xué)習(xí)和增量學(xué)習(xí)等實(shí)時(shí)應(yīng)用。此外，近來(lái)智能可穿戴設(shè)備的流行也為研究員提供了在資源(內(nèi)存、CPU、能耗和帶寬等)有限的便攜式設(shè)備上部署深度學(xué)習(xí)應(yīng)用提供了機(jī)會(huì)。

2017-10-31 11:05:00

深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)壓縮和加速方法

keras中最常用深度學(xué)習(xí)的API

眾所周知，利用Keras-Python庫(kù)可以快速、輕松地創(chuàng)建屬于自己的深度學(xué)習(xí)的模型，今天我們就來(lái)介紹一些我們常用的API函數(shù)。

2017-10-30 13:34:22

深度學(xué)習(xí)Keras API

一份不可多得的深度學(xué)習(xí)技巧指南

輸入神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)的好壞直接關(guān)系著網(wǎng)絡(luò)訓(xùn)練結(jié)果，一般需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，常用的數(shù)據(jù)預(yù)處理方式有去均值、歸一化和PCA/白化。

2017-10-30 09:53:05

深度學(xué)習(xí)技巧指南

微軟開(kāi)源用于Spark的深度學(xué)習(xí)庫(kù)MMLSpark

微軟開(kāi)源了MMLSpark，用于Apache Spark的的深度學(xué)習(xí)庫(kù)。MMLSpark可以與微軟認(rèn)知工具包和OpenCV完美整合。雖然SparkML可以建立可擴(kuò)展的機(jī)器學(xué)習(xí)平臺(tái)，絕大多數(shù)開(kāi)發(fā)者的精力都耗在了調(diào)用底層API上。MMLSpark旨在簡(jiǎn)化PySpark中的重復(fù)性工作。

2017-10-26 13:54:49

深度學(xué)習(xí)Spark MMLSpark

一文概覽基于深度學(xué)習(xí)的監(jiān)督語(yǔ)音分離

語(yǔ)音分離是指將目標(biāo)語(yǔ)音從背景干擾中分離出來(lái)的任務(wù)。傳統(tǒng)上，語(yǔ)音分離被當(dāng)作一個(gè)信號(hào)處理問(wèn)題。最近出現(xiàn)一種新方法把語(yǔ)音分離作為監(jiān)督學(xué)習(xí)問(wèn)題處理，從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)語(yǔ)音、說(shuō)話人和背景噪聲的判別模式(discriminative pattern)。

2017-10-25 19:05:18

深度學(xué)習(xí)語(yǔ)音分離

如何理解深度學(xué)習(xí)分布式訓(xùn)練中的large batch size與learning rate的關(guān)系？

在深度學(xué)習(xí)進(jìn)行分布式訓(xùn)練時(shí)，常常采用同步數(shù)據(jù)并行的方式，也就是采用大的batch size進(jìn)行訓(xùn)練，但large batch一般較于小的baseline的batch size性能更差，請(qǐng)問(wèn)如何理解調(diào)試learning rate能使large batch達(dá)到small batch同樣的收斂精度和速度?

2017-10-25 16:30:47

深度學(xué)習(xí)分布式訓(xùn)練

百度發(fā)布DeepVoice最終版：模仿萬(wàn)人、半小時(shí)學(xué)會(huì)一種口音

搜索巨頭百度推出了一個(gè)名叫 DeepVoice 的全新人工智能系統(tǒng)，借助熱門(mén)的深度學(xué)習(xí)技術(shù)，它能夠?qū)崿F(xiàn)文本到語(yǔ)音（TTS）的轉(zhuǎn)換。

2017-10-25 09:51:08

百度

一文讀懂深度學(xué)習(xí)與機(jī)器學(xué)習(xí)的差異

機(jī)器學(xué)習(xí)和深度學(xué)習(xí)變得越來(lái)越火。突然之間，不管是了解的還是不了解的，所有人都在談?wù)摍C(jī)器學(xué)習(xí)和深度學(xué)習(xí)。無(wú)論你是否主動(dòng)關(guān)注過(guò)數(shù)據(jù)科學(xué)，你應(yīng)該已經(jīng)聽(tīng)說(shuō)過(guò)這兩個(gè)名詞了。

2017-10-24 11:19:16

深度學(xué)習(xí)機(jī)器學(xué)習(xí)數(shù)據(jù)

自然語(yǔ)言處理終極方向：深度學(xué)習(xí)用于自然語(yǔ)言處理的5大優(yōu)勢(shì)

在自然語(yǔ)言處理領(lǐng)域，深度學(xué)習(xí)的承諾是：給新模型帶來(lái)更好的性能，這些新模型可能需要更多數(shù)據(jù)，但不再需要那么多的語(yǔ)言學(xué)專(zhuān)業(yè)知識(shí)。在這篇文章中，您將看到深度學(xué)習(xí)方法應(yīng)對(duì)自然語(yǔ)言處理問(wèn)題的具體前景。

2017-10-19 17:05:58

深度學(xué)習(xí)自然語(yǔ)言

深度學(xué)習(xí)入門(mén)篇——手把手教你用TensorFlow訓(xùn)練模型

Tensorflow在更新1.0版本之后多了很多新功能，其中放出了很多用tf框架寫(xiě)的深度網(wǎng)絡(luò)結(jié)構(gòu)(https://github.com/tensorflow/models )，大大降低了開(kāi)發(fā)難度，利用現(xiàn)成的網(wǎng)絡(luò)結(jié)構(gòu)，無(wú)論fine-tuning還是重新訓(xùn)練方便了不少。

2017-10-18 09:48:13

深度學(xué)習(xí)TensorFlow 入門(mén)篇

十年云計(jì)算老兵零基礎(chǔ)進(jìn)軍深度學(xué)習(xí)方法論

人工智能是當(dāng)今的熱議行業(yè)，深度學(xué)習(xí)是熱門(mén)中的熱門(mén)，浪尖上的浪潮，但對(duì)傳統(tǒng) IT 從業(yè)人員來(lái)說(shuō)，人工智能技術(shù)到處都是模型、算法、矢量向量，太晦澀難懂了。所以本文作者寫(xiě)了這篇入門(mén)級(jí)科普文章，目標(biāo)是讓 IT 從業(yè)者能看清讀懂深度學(xué)習(xí)技術(shù)的特點(diǎn)，希望讀者能夠從中受益，順利找到自己心儀的工作。

2017-10-17 09:08:07

人工智能深度學(xué)習(xí)方法論

微博深度學(xué)習(xí)平臺(tái)架構(gòu)和實(shí)踐

隨著人工神經(jīng)網(wǎng)絡(luò)算法的成熟、GPU計(jì)算能力的提升，深度學(xué)習(xí)在眾多領(lǐng)域都取得了重大突破。本文介紹了微博引入深度學(xué)習(xí)和搭建深度學(xué)習(xí)平臺(tái)的經(jīng)驗(yàn)，特別是機(jī)器學(xué)習(xí)工作流、控制中心、深度學(xué)習(xí)模型訓(xùn)練集群、模型在線預(yù)測(cè)服務(wù)等核心部分的設(shè)計(jì)、架構(gòu)經(jīng)驗(yàn)。

2017-10-13 13:13:14

人工智能深度學(xué)習(xí)微博

百度總裁張亞勤：AI是我們這一時(shí)代最具變革性的力量

北京時(shí)間10月10日上午消息，作為中國(guó)搜索巨頭，百度公司在西雅圖地區(qū)設(shè)立的辦事處剛剛開(kāi)業(yè)，將全力支持人工智能(AI)，提升其改變無(wú)數(shù)行業(yè)的能力。

2017-10-11 09:25:27

人工智能變革性突破

最受歡迎的12個(gè)AI工具、庫(kù)和平臺(tái)

隨著近年來(lái)AI的使用率越來(lái)越高，我們需要更加清楚地了解現(xiàn)在有哪些可供選擇的人工智能工具、庫(kù)、平臺(tái)，以及它們提供了哪些功能，有哪些缺點(diǎn)，哪個(gè)最適合你。本文列舉出了最受歡迎的前12個(gè)AI工具、庫(kù)和平臺(tái)，介紹了它們最常見(jiàn)的用途，有哪些優(yōu)點(diǎn)和缺點(diǎn)，還有一些其它的內(nèi)容，根據(jù)這些信息，將會(huì)使你更加輕松地做出上述問(wèn)題的決策!

2017-10-10 13:29:54

AI工具庫(kù) 平臺(tái)

人工智能并不能完全取代臨床醫(yī)生

在未來(lái)的一些年里，你可能會(huì)第一次與醫(yī)學(xué)人工智能(AI)系統(tǒng)進(jìn)行互動(dòng)，能夠自動(dòng)駕駛汽車(chē)、家庭語(yǔ)音助手以及自我標(biāo)簽的圖片庫(kù)的相同技術(shù)如今在衛(wèi)生保健領(lǐng)域取得了快速的發(fā)展，而首個(gè)醫(yī)學(xué)人工智能系統(tǒng)(AI)如今已經(jīng)開(kāi)始轉(zhuǎn)向臨床應(yīng)用了。

2017-10-10 09:58:44

人工智能應(yīng)用臨床

深度學(xué)習(xí)的局限性，你了解嗎？

AI、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)是近年大熱的領(lǐng)域，但我們要清楚，深度學(xué)習(xí)的局限性，即雖然可以使用連續(xù)幾何變換把 X 映射到 Y，但缺乏推理能力和抽象能力。訓(xùn)練集樣本不足，有些數(shù)據(jù)無(wú)法用連續(xù)的幾何變換表示。雖然現(xiàn)在機(jī)器學(xué)習(xí)能夠改變很多行業(yè)的游戲規(guī)則，但距離人性化 AI 還有很遠(yuǎn)的路要走。

2017-10-09 19:12:52

AI 深度學(xué)習(xí)局限性

迅雷創(chuàng)始人程浩：人工智能創(chuàng)業(yè)的6大核心問(wèn)題

今天跟大家聊聊人工智能領(lǐng)域的創(chuàng)業(yè)和創(chuàng)新，包括如何選擇賽道、團(tuán)隊(duì)的搭配、以及如何應(yīng)對(duì)巨頭的挑戰(zhàn)，從投資人的視角，給大家總結(jié)了人工智能創(chuàng)業(yè)的6大核心問(wèn)題。

2017-10-09 15:53:18

人工智能

神經(jīng)網(wǎng)絡(luò)求解新思路：OpenAI用線性網(wǎng)絡(luò)計(jì)算非線性問(wèn)題

我們展示了深度線性網(wǎng)絡(luò)(使用浮點(diǎn)運(yùn)算實(shí)現(xiàn))實(shí)際上并不是線性的，它可以執(zhí)行非線性計(jì)算。我們利用這一點(diǎn)使用進(jìn)化策略在線性網(wǎng)絡(luò)中尋找參數(shù)，使我們能夠解決重要問(wèn)題。

2017-10-09 11:21:46

神經(jīng)網(wǎng)絡(luò)OpenAI 非線性

為什么要用深度學(xué)習(xí)來(lái)做個(gè)性化推薦 CTR 預(yù)估

深度學(xué)習(xí)應(yīng)該這一兩年計(jì)算機(jī)圈子里最熱的一個(gè)詞了?；谏疃葘W(xué)習(xí)，工程師們?cè)趫D像，語(yǔ)音，NLP等領(lǐng)域都取得了令人振奮的進(jìn)展。而深度學(xué)習(xí)本身也在不斷的探索和發(fā)展中，其潛力的極限目前還沒(méi)有被看到。

2017-09-29 14:56:28

深度學(xué)習(xí)CTR 預(yù)估

[ I am Jarvis ] ：聊聊 FaceID 背后的深度學(xué)習(xí)視覺(jué)算法

在上周發(fā)布的iPhoneX中，最吸引我的，不是那蠢萌的兔耳朵，而是蘋(píng)果的FaceID。在蘋(píng)果用FaceID取代TouchID的背后，是強(qiáng)大的視覺(jué)算法支持，讓iPhoneX有能力識(shí)別各種欺騙和偽裝，從而敢于將FaceID作為最重要的安全校驗(yàn)手段。

2017-09-29 14:29:59

深度學(xué)習(xí)視覺(jué)算法

使用反向傳播訓(xùn)練多層神經(jīng)網(wǎng)絡(luò)的原理

每個(gè)神經(jīng)元由兩部分組成。第一部分是輸入信號(hào)和權(quán)重系數(shù)的加權(quán)和。第二部分是非線性函數(shù)，稱為神經(jīng)元激活函數(shù)。信號(hào)e是加權(quán)和的輸出(加法器的輸出)信號(hào)。y=f(e)是非線性函數(shù)(元件)的輸出信號(hào)。信號(hào)y也是神經(jīng)元的輸出信號(hào)。

2017-09-28 16:15:12

神經(jīng)網(wǎng)絡(luò)訓(xùn)練多層

揭秘支付寶中的深度學(xué)習(xí)引擎：xNN

xNN的模型壓縮工具 (xqueeze) 在業(yè)務(wù)模型上實(shí)現(xiàn)了近50倍的壓縮比，使得在包預(yù)算極為有限的移動(dòng)App中大規(guī)模部署深度學(xué)習(xí)算法成為可能。xNN的計(jì)算性能經(jīng)過(guò)算法和指令兩個(gè)層面的深度優(yōu)化，極大地降低了移動(dòng)端DL的機(jī)型門(mén)檻。

2017-09-28 14:48:46

支付寶深度學(xué)習(xí)xNN

內(nèi)存帶寬與計(jì)算能力，誰(shuí)才是決定深度學(xué)習(xí)執(zhí)行性能的關(guān)鍵？

隨著深度學(xué)習(xí)的不斷發(fā)展，計(jì)算能力得到了深度學(xué)習(xí)社區(qū)越來(lái)越多的注意。任何深度學(xué)習(xí)模型，歸根到底都是需要跑在設(shè)備上的，而模型對(duì)設(shè)備性能的要求越低，則能得到越多的運(yùn)用——千萬(wàn)不能讓硬件成為了模型普及的瓶頸！

2017-09-28 11:20:59

深度學(xué)習(xí)內(nèi)存帶寬計(jì)算能力

如何解決深度學(xué)習(xí)中的多體問(wèn)題

多個(gè)智能體如何協(xié)同工作才能高效完成任務(wù)？深度學(xué)習(xí)領(lǐng)域中的多體問(wèn)題就像物理領(lǐng)域中的一樣難解。很多研究機(jī)構(gòu)正致力于研發(fā)先進(jìn)技術(shù)處理多代理系統(tǒng)的問(wèn)題。

2017-09-28 10:40:10

深度學(xué)習(xí)多體問(wèn)題多代理系統(tǒng)

如何一步一步提高圖像分類(lèi)準(zhǔn)確率？

本文介紹的調(diào)參歷程，希望能幫助到大家，聽(tīng)說(shuō)過(guò)這么一句話，“讀研期間學(xué)習(xí)人工智能，什么都不用學(xué)，學(xué)好調(diào)參就行了”，而“調(diào)參”二字卻包含著無(wú)數(shù)的知識(shí)，希望大家能多分享神經(jīng)網(wǎng)絡(luò)相關(guān)的干貨。

2017-09-28 09:40:36

圖像分類(lèi)準(zhǔn)確率

資源 | 8張思維導(dǎo)圖幫你梳理深度學(xué)習(xí)&機(jī)器學(xué)習(xí)多個(gè)知識(shí)點(diǎn)

本文是對(duì)作者@Daniel Martinez(https://twitter.com/danielmartinezf)在GitHub上的開(kāi)源項(xiàng)目介紹，作者通過(guò)思維導(dǎo)圖對(duì)深度學(xué)習(xí)和機(jī)器學(xué)習(xí)中的一些重點(diǎn)和架構(gòu)進(jìn)行了梳理。

2017-09-26 13:52:52

深度學(xué)習(xí)機(jī)器學(xué)習(xí)思維導(dǎo)圖

神經(jīng)網(wǎng)絡(luò)訓(xùn)練中，傻傻分不清Epoch、Batch Size和迭代

只有在數(shù)據(jù)很龐大的時(shí)候(在機(jī)器學(xué)習(xí)中，幾乎任何時(shí)候都是)，我們才需要使用 epochs，batch size，迭代這些術(shù)語(yǔ)，在這種情況下，一次性將數(shù)據(jù)輸入計(jì)算機(jī)是不可能的。因此，為了解決這個(gè)問(wèn)題，我們需要把數(shù)據(jù)分成小塊，一塊一塊的傳遞給計(jì)算機(jī)，在每一步的末端更新神經(jīng)網(wǎng)絡(luò)的權(quán)重，擬合給定的數(shù)據(jù)。

2017-09-26 10:09:55

Epoch Batch Size 神經(jīng)網(wǎng)絡(luò)

上一頁(yè) 1 ··· 28 29 30 31 32 ··· 34 下一頁(yè)

51CTO技術(shù)棧公眾號(hào)

業(yè)務(wù)
速覽

媒體

51CTO CIOAge HC3i

社區(qū)

51CTO博客鴻蒙開(kāi)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(yíng)

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

深度學(xué)習(xí)