文章庫(kù)ARTICLE COLUMN
摘要：更廣泛地說(shuō)，這些結(jié)果表明神經(jīng)網(wǎng)絡(luò)訓(xùn)練不需要被認(rèn)為是一種煉丹術(shù)，而是可以被量化和系統(tǒng)化。中間的曲線中存在彎曲，漸變?cè)肼晿?biāo)度預(yù)測(cè)彎曲發(fā)生的位置。 由于復(fù)雜的任務(wù)往往具有更嘈雜的梯度，因此越來(lái)越大的batch計(jì)算包，可能在將來(lái)變得有用，從而消除了...
摘要：所學(xué)習(xí)的濾波器組被期望為編碼一些合適數(shù)量類別的普通圖像編碼判別信息在不同視覺(jué)等級(jí)分層提取圖案。特別是，在新框架的每一層，可共享的濾波器共同學(xué)習(xí)那些相似模式的類。除了減小特征維度，共享濾波器也可以導(dǎo)致特征更魯棒。 今天我們來(lái)談?wù)勆疃葘W(xué)習(xí)...
摘要：近年來(lái)，深度學(xué)習(xí)在計(jì)算機(jī)感知自然語(yǔ)言處理和控制方面取得了重大進(jìn)展。位列新澤西州的發(fā)明家名人堂，并獲得年神經(jīng)網(wǎng)絡(luò)先鋒獎(jiǎng)年杰出研究獎(jiǎng)年終身成就獎(jiǎng)和來(lái)自墨西哥的名譽(yù)博士學(xué)位。 Yann Lecun是卷積網(wǎng)絡(luò)模型的發(fā)明者，該模型被廣泛地應(yīng)用于模式識(shí)別應(yīng)...
摘要：是商湯科技發(fā)表于的一篇目標(biāo)檢測(cè)的論文，對(duì)架構(gòu)的目標(biāo)坐標(biāo)回歸部分進(jìn)行了替換，取得了更加較精確的定位精度，是最近非常值得一讀的論文。一作者信息該文所有作者均來(lái)自商湯科技該文直取網(wǎng)格修飾，意即將目標(biāo)檢測(cè)中位置定位轉(zhuǎn)化為目標(biāo)區(qū)域網(wǎng)格點(diǎn)的定位。...
摘要：的兩位研究者近日融合了兩種非對(duì)抗方法的優(yōu)勢(shì)，并提出了一種名為的新方法。的缺陷讓研究者開始探索用非對(duì)抗式方案來(lái)訓(xùn)練生成模型，和就是兩種這類方法。不幸的是，目前仍然在圖像生成方面顯著優(yōu)于這些替代方法。 生成對(duì)抗網(wǎng)絡(luò)（GAN）在圖像生成方面已經(jīng)...
摘要：表示類別為，坐標(biāo)是的預(yù)測(cè)熱點(diǎn)圖，表示相應(yīng)位置的，論文提出變體表示檢測(cè)目標(biāo)的損失函數(shù)由于下采樣，模型生成的熱點(diǎn)圖相比輸入圖像分辨率低。模型訓(xùn)練損失函數(shù)使同一目標(biāo)的頂點(diǎn)進(jìn)行分組，損失函數(shù)用于分離不同目標(biāo)的頂點(diǎn)。 好久沒(méi)有將較好的干貨分...
摘要：本篇綜述的重點(diǎn)是回顧當(dāng)前利用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行遷移學(xué)習(xí)的研究及其應(yīng)用。這篇綜述論文的貢獻(xiàn)如下定義了深度遷移學(xué)習(xí)，并首次將其分為四類。這就是一個(gè)深度遷移學(xué)習(xí)任務(wù)，其中是一個(gè)表示深度神經(jīng)網(wǎng)絡(luò)的非線性函數(shù)。 論文：A Survey on Deep Transfer Lea...
摘要：今天，發(fā)布了一個(gè)新的優(yōu)化工具包一套可以讓開發(fā)者，無(wú)論是新手還是高級(jí)開發(fā)人員，都可以使用來(lái)優(yōu)化機(jī)器學(xué)習(xí)模型以進(jìn)行部署和執(zhí)行的技術(shù)。對(duì)于相關(guān)的機(jī)器學(xué)習(xí)模型，這可以實(shí)現(xiàn)最多倍的壓縮和倍的執(zhí)行速度提升。 今天，TensorFlow發(fā)布了一個(gè)新的優(yōu)化工具...
摘要：是一名來(lái)自牛津大學(xué)的擁有高聲望和優(yōu)良業(yè)界口碑的機(jī)器學(xué)習(xí)教授。在年拿到的博士學(xué)位后，至年他在擔(dān)任博后，至年在擔(dān)任教授，他還是加拿大高級(jí)科研學(xué)會(huì)的一員，并拿到了許多學(xué)術(shù)類的獎(jiǎng)項(xiàng)。年月日，加入了由管理的平臺(tái)。 Nando de FreitasNando de Freita...
摘要：但是，有一些研究人員在同一個(gè)深度神經(jīng)網(wǎng)絡(luò)中巧妙地實(shí)現(xiàn)了二者能力的結(jié)合。一次讀取并解釋輸入文本中的一個(gè)字或字符圖像，因此深度神經(jīng)網(wǎng)絡(luò)必須等待直到當(dāng)前字的處理完成，才能去處理下一個(gè)字。 從有一些有趣的用例看，我們似乎完全可以將 CNN 和 RNN/L...
摘要：近日，發(fā)表了一篇文章，詳細(xì)討論了為深度學(xué)習(xí)模型尋找較佳超參數(shù)集的有效策略。要知道，與機(jī)器學(xué)習(xí)模型不同，深度學(xué)習(xí)模型里面充滿了各種超參數(shù)。此外，在半自動(dòng)全自動(dòng)深度學(xué)習(xí)過(guò)程中，超參數(shù)搜索也是的一個(gè)非常重要的階段。 在文章開始之前，我想問(wèn)你...
摘要：是第一個(gè)提出體積小，計(jì)算量少，適用于移動(dòng)設(shè)備的卷積神經(jīng)網(wǎng)絡(luò)。圖卷積運(yùn)算匯總參考圖與神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索卷積神經(jīng)網(wǎng)絡(luò)已被廣泛用于圖像分類人臉識(shí)別目標(biāo)檢測(cè)和其他領(lǐng)域。 1、基本卷積運(yùn)算手工設(shè)計(jì)輕量化模型主要思想在于設(shè)計(jì)更高效的網(wǎng)絡(luò)計(jì)算方式（...
摘要：作為解決方案的和和是解決短時(shí)記憶問(wèn)題的解決方案，它們具有稱為門的內(nèi)部機(jī)制，可以調(diào)節(jié)信息流。隨后，它可以沿著長(zhǎng)鏈序列傳遞相關(guān)信息以進(jìn)行預(yù)測(cè)，幾乎所有基于遞歸神經(jīng)網(wǎng)絡(luò)的技術(shù)成果都是通過(guò)這兩個(gè)網(wǎng)絡(luò)實(shí)現(xiàn)的。和采用門結(jié)構(gòu)來(lái)克服短時(shí)記憶的影響。 ...
摘要：版本正式發(fā)布啦本文將為大家介紹此版本的一些重大改變主要功能和改進(jìn)修復(fù)以及其他變化。主要特點(diǎn)和改進(jìn)現(xiàn)在根據(jù)預(yù)構(gòu)建的二進(jìn)制文件是針對(duì)和構(gòu)建的。，，開始支持分布式在中添加的分布式策略支持和獨(dú)立客戶端支持。 TensorFlow 1.11.0 版本正式發(fā)布啦！...
摘要：其實(shí)我們?cè)谧鼍€性回歸也好，分類邏輯斯蒂回歸也好，本質(zhì)上來(lái)講，就是把數(shù)據(jù)進(jìn)行映射，要么映射到一個(gè)多個(gè)離散的標(biāo)簽上，或者是連續(xù)的空間里面，一般簡(jiǎn)單的數(shù)據(jù)而言，我們很好擬合，只要線性變化一下，然后學(xué)習(xí)出較好的就可以了，但是對(duì)于一些比較復(fù)雜的...
摘要：對(duì)于深度學(xué)習(xí)本人也是半路出家現(xiàn)在的工作內(nèi)容主要就是使用做任務(wù)干調(diào)參這種活也有兩年時(shí)間了我的回答可能更多的還是側(cè)重工業(yè)應(yīng)用技術(shù)上只限制在這塊先說(shuō)下我的觀點(diǎn)調(diào)參就是沒(méi)有其他捷徑可以走的區(qū)別是有些人盲目的嘗試有些人思考后再嘗試快速嘗試快速糾...
摘要：但是在當(dāng)時(shí)，幾乎沒(méi)有人看好深度學(xué)習(xí)的工作。年，與和共同撰寫了，這本因封面被人們親切地稱為花書的深度學(xué)習(xí)奠基之作，也成為了人工智能領(lǐng)域不可不讀的圣經(jīng)級(jí)教材。在年底，開始為深度學(xué)習(xí)的產(chǎn)業(yè)孵化助力。 蒙特利爾大學(xué)計(jì)算機(jī)科學(xué)系教授 Yoshua Bengi...
摘要：近日，開源了和的實(shí)現(xiàn)基準(zhǔn)。是商湯和港中文近日聯(lián)合開源的基于的開源目標(biāo)檢測(cè)工具包。你也可以配置你自己的到數(shù)據(jù)集的路徑。 近日，F(xiàn)acebook AI Research 開源了 Faster R-CNN 和 Mask R-CNN 的 PyTorch 1.0 實(shí)現(xiàn)基準(zhǔn)：MaskRCNN-Benchmark。相比 Detect...
摘要：是微軟開源的用于不同深度學(xué)習(xí)框架和的模型之間互相轉(zhuǎn)換的工具，通過(guò)模型的中間表示來(lái)完成不同框架模型之間的轉(zhuǎn)換。 MMdnn簡(jiǎn)介在工業(yè)街和學(xué)術(shù)界中，開發(fā)者或者研究人員可以選擇多種深度學(xué)習(xí)框架來(lái)構(gòu)建模型，每種框架有自己特有的網(wǎng)絡(luò)結(jié)構(gòu)定義以及模型保...
摘要：相比于，它將也作為隱變量納入到變分推斷中。結(jié)論綜述本文的結(jié)果表明了變分推斷確實(shí)是一個(gè)推導(dǎo)和解釋生成模型的統(tǒng)一框架，包括和。 作者丨蘇劍林單位丨廣州火焰信息科技有限公司研究方向丨NLP，神經(jīng)網(wǎng)絡(luò)個(gè)人主頁(yè)丨kexue.fm前言我小學(xué)開始就喜歡純數(shù)學(xué)，...
摘要：本文是雜志為紀(jì)念人工智能周年而專門推出的深度學(xué)習(xí)綜述，也是和三位大神首次合寫同一篇文章。逐漸地，這些應(yīng)用使用一種叫深度學(xué)習(xí)的技術(shù)。監(jiān)督學(xué)習(xí)機(jī)器學(xué)習(xí)中，不論是否是深層，最常見(jiàn)的形式是監(jiān)督學(xué)習(xí)。 本文是《Nature》雜志為紀(jì)念人工智能60周年而...
摘要：我們進(jìn)行了一個(gè)交互式網(wǎng)絡(luò)實(shí)驗(yàn)，讓你能與一個(gè)名為的循環(huán)神經(jīng)網(wǎng)絡(luò)模型一起繪制作品。我們利用來(lái)自于游戲的數(shù)百萬(wàn)涂鴉訓(xùn)練該神經(jīng)網(wǎng)絡(luò)。一旦你停止涂鴉，神經(jīng)網(wǎng)絡(luò)將接管并試圖猜測(cè)涂鴉的其余部分。在變分自動(dòng)編碼器演示中，你將繪制指定對(duì)象的完整圖形。 ...
摘要：在實(shí)踐中，幾乎總是通過(guò)向梯度增加來(lái)實(shí)現(xiàn)算法，而不是真正改變損失函數(shù)。顯然這是兩種不同的方法。那么，權(quán)重衰減是不是總比的正則化更好呢我們還沒(méi)發(fā)現(xiàn)明顯更糟的情況，但無(wú)論是遷移學(xué)習(xí)問(wèn)題例如斯坦福汽車數(shù)據(jù)集上的的微調(diào)還是 跌宕起伏的 Adam縱觀 A...
摘要：潘新鋼等發(fā)現(xiàn)，和的核心區(qū)別在于，學(xué)習(xí)到的是不隨著顏色風(fēng)格虛擬性現(xiàn)實(shí)性等外觀變化而改變的特征，而要保留與內(nèi)容相關(guān)的信息，就要用到。 大把時(shí)間、大把GPU喂進(jìn)去，訓(xùn)練好了神經(jīng)網(wǎng)絡(luò)。接下來(lái)，你可能會(huì)迎來(lái)傷心一刻：同學(xué)，測(cè)試數(shù)據(jù)和訓(xùn)練數(shù)據(jù)，色調(diào)、...
摘要：目標(biāo)追蹤首先，我們會(huì)大致介紹八種建立在上的目標(biāo)跟蹤算法。詞典包含了種的目標(biāo)追蹤器行。它將目標(biāo)追蹤器的命令行參數(shù)字符串映射到實(shí)際的追蹤器函數(shù)上。其中行里的目的是根據(jù)追蹤器命令行參數(shù)以及從得來(lái)的相關(guān)重要信息。 雖然我們熟知的的質(zhì)心追蹤器表...
ChatGPT和Sora等AI大模型應(yīng)用，將AI大模型和算力需求的熱度不斷帶上新的臺(tái)階。哪里可以獲得...
大模型的訓(xùn)練用4090是不合適的，但推理（inference/serving）用4090不能說(shuō)合適，...
圖示為GPU性能排行榜，我們可以看到所有GPU的原始相關(guān)性能圖表。同時(shí)根據(jù)訓(xùn)練、推理能力由高到低做了...
89542767
社區(qū)管理員
白馬嘯西風(fēng)