成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看

<option id="8ugua"><th id="8ugua"></th></option>

<delect id="8ugua"></delect>

<center id="8ugua"></center>

鴻蒙開發者社區

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堂

全部課程軟考信創認證華為認證廠商認證 IT技術 PMP項目管理免費題庫

文章資源問答課堂專欄直播

51CTO

鴻蒙開發者社區

51CTO技術棧

51CTO官微

51CTO學堂

51CTO博客

CTO訓練營

鴻蒙開發者社區訂閱號

51CTO軟考

51CTO學堂APP

51CTO學堂企業版APP

鴻蒙開發者社區視頻號

51CTO軟考題庫

賬號設置退出

深度學習

1699內容??

關注

涵蓋深度學習相關模型、框架、開發與應用知識。

文章博文課程

共 1699 條

AI幫您解決“太長不看”難題：如何構建一套深層抽象概括模型譯文

相信每位朋友都有這樣的切身感受：我們必須閱讀更多內容以了解與工作、新聞以及社交媒體相關的熱門資訊。為了解決這一挑戰，我們開始研究如何利用AI以幫助人們在信息大潮中改善工作體驗——而潛在的解決思路之一在于利用算法自動總結篇幅過長的文本內容。

2017-05-27 18:53:48

深度學習人工智能

用深度學習快速人臉建模

臉部建模一直是計算機圖像和視覺領域的熱門話題，包括卡通人物建模、人臉藝術設計、人臉實時重構等等，尤其是交互式人臉建模。我們構建了一個快速的、交互的、基于深度學習的人臉建模框架。通過簡單勾勒人臉圖畫(caricature)，我們的模型可以迅速生成對應的三維人臉模型，并且可以同時擬合面部輪廓和細節表情。同時我們也提供了多種方式進行快速的模型修改。實驗證明我們的結果具有高精度和快速度。

2017-05-27 14:00:06

深度學習人臉建模

用不到1000美元攢一臺深度學習用的超快的電腦：繼續深度學習和便宜硬件的探奇！

從上世紀80年代后我就再沒攢過電腦。我也相當擔心花好幾百塊，最終搞一堆我自己裝不出來的零件（或是攢出來了，但可能沒法正常工作）。不過我要告訴你，攢機是可以的！另外，整個過程也很好玩。最后你能擁有一臺通用的電腦，并能做預測，同時比筆記本快20多倍。

2017-05-26 16:06:23

深度學習人工智能

多維度分析“深度學習”市場的趨勢走向

2016年，全球深度學習市場規模據估計已達到2.27億美元。隨著在自動駕駛和醫療健康產業的應用越來越多，深度學習應該仍會對行業增長帶來突出的貢獻。它在技術上克服數據量、強計算力以及在數據存儲能力方面的優勢，使得其在語音、圖像等對數據復雜性要求很高的領域中異軍突起，提供了巨大的研究空間和價值。

2017-05-26 15:57:54

深度學習人工智能

谷歌最強芯片升級，二代TPU是深度學習的未來？

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和機器學習上取得的成果，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處理器已經過時。

2017-05-23 18:59:56

TPU 深度學習

深度學習的難點：神經網絡越深，優化問題越難

深度學習的核心問題就是一個非常難的優化問題。所以在神經網絡引入后的幾十年間，深度神經網絡的優化問題的困難性是阻礙它們成為主流的一個重要因素。并導致了它們在20世紀90年代到21世紀初期間的衰落。

2017-05-23 18:54:18

深度學習人工智能

TensorFlow實現基于深度學習的圖像補全

內容識別填充(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，圖像補全和修復是兩種密切相關的技術。有很多方法可以實現內容識別填充，圖像補全和修復。

2017-05-22 13:15:45

TensorFlow 深度學習

AWS上搭建深度學習主機（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，搭建深度學習主機。

2017-05-22 12:30:15

深度學習人工智能

尋找CNN的弱點，小心MNIST中的“套路”

CNN是現在十分火熱的模型，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

深度學習 CNN MNIST

深度學習中批歸一化的陷阱

本文使用兩種不同方法實現了一種神經網絡。每一步都輸入相同的數據。網絡具有完全相同的損失函數、完全相同的超參數和完全相同的優化器。然后在完全相同數量的 GPU 上進行訓練。結果是其中一個版本的分類準確度比另一種低2%，并且這種性能的下降表現地很穩定。

2017-05-19 14:05:37

深度學習批歸一化技術

白話AI：看懂深度學習真的那么難嗎？初中數學，就用10分鐘原創

前段時間，編輯閑逛各大社區論壇，發現一篇非常適合初學者學習的深度學習的回復帖子，用風趣的白話和例子深入淺出的分析了深度學習的過程，非常通俗易懂。通過與作者楊安國老師溝通，獲得內容編輯授權，把內容重新整理發布，希望人人都能夠理解深度學習。

2017-05-18 14:31:44

深度學習人工智能

遷移學習：數據不足時如何深度學習

最近深度學習技術突然開始大肆流行，并在語言翻譯、玩策略游戲，以及無人駕駛汽車等涉及到數百萬數據量的領域取得了醒目的成果。使用深度學習技術解決問題的過程中，最常見的障礙在于訓練模型過程中所需的海量數據。需要如此多的數據，原因在于機器在學習的過程中會在模型中遇到大量參數。

2017-05-17 15:09:06

深度學習人工智能

深度學習中的怪圈將成就難以置信的成果

怪圈是一種循環系統，橫貫不同等級的各個層次。循環在機器學習系統中并不典型，按照慣例，這些系統由不同計算層的無環圖構成。然而，我們現在開始發現，采用”反饋循環”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

深度學習機器學習算法

如何用深度學習推薦電影？教你做自己的推薦系統！

用電影海報來打造推薦系統。

2017-05-16 15:00:24

何時淺探，何時深究—機器學習不是一張紙就能說完的譯文

深度學習的一大優勢在于，其水平提升往往能夠在各類場景下實現通用。舉例來說，在某一領域中適用于深度學習的具體技術通常可以直接轉移至其它領域，而無需經過任何修改。更具體地講，構建大量計算密集型圖像與語音識別類深度學習模型的方法已經全面滲透至自然語言處理當中。

2017-05-12 17:58:11

深度學習人工智能

tensorflow如何實現基于深度學習的圖像補全

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

深度學習圖像補全 tensorflow

機器學習和深度學習是怎么一回事？Faizan Shaikh來幫你解答

本文以淺顯易懂的語言介紹了機器學習和深度學習的定義及應用，以及在源數據要求，硬件支持，特征工程、問題解決方式、執行時間及可解釋性等方面的區別，對于新手入門有很大啟示意義。

2017-05-11 12:22:10

機器學習深度學習

為什么有些數學研究者會看不慣甚至鄙視深度學習（Deep Learning）？

做理論的人，不得不一個個學過來，想過了，試過了，然后放掉，下一個。解決問題是最終的目標，而不是學得比人多些，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

數學研究者深度學習

正在涌現的新型神經網絡模型：優于生成對抗網絡

隨著深度神經網絡技術的發展，新型的網絡架構也在不斷涌現。

2017-05-10 14:32:31

神經網絡網絡架構模型

入門級攻略：機器學習 VS. 深度學習

本文以淺顯易懂的語言介紹了機器學習和深度學習的定義及應用，以及在源數據要求，硬件支持，特征工程、問題解決方式、執行時間及可解釋性等方面的區別，對于新手入門有很大啟示意義。

2017-05-10 09:26:41

機器學習深度學習

深度學習的“深度”有什么意義?

深度學習的”深度”，早幾年討論的挺多的，身邊有不同的理解：深度=更大規模的網絡，也有認為：深度=更抽象的特征，近年來物理上也有人側面顯示：深度=玻璃相轉變，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

深度學習神經網絡深度

深度學習的時間序列模型評價

這次主要說最近發展的無監督特征學習和深入學習，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據存在的特殊挑戰，并提供了工作的評價，其含有把時間序列應用到非監督特征學習算法或者是有選擇的促成特征學習算法的變動去考慮目前時間序列數據的挑戰。

2017-05-08 14:42:36

深度學習神經網絡時間序列

TensorFlow上手要點都總結在這兒了，你還有理由偷懶嗎？

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

2017-05-08 11:02:59

TensorFlow 神經網絡深度學習

自然語言處理領域的核心：序列學習

生活中所有的實物都與時間有關，從而形成了一個序列，在這一篇當中，我們將一起認識自然語言處理領域的核心：序列學習。

2017-05-05 15:34:49

自然語言處理

深度學習10大框架對比分析

在 BEEVA Labs，我們常常需要應對許多不同的深度學習庫，所以我希望能夠將我們的發現和感想分享出來，幫助那些剛剛進入深度學習這一美麗世界的人。

2017-05-05 10:15:38

深度學習框架對比分析

如何給非專業人士講解什么是深度學習？

深度學習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，直到最終逼近目標的一種機器學習方法。

2017-05-05 09:13:07

深度學習 AI 決策樹

如何從信號分析角度理解卷積神經網絡的復雜機制？

RECOS 模型用信號分析的角度為我們剖析了卷積神經網絡。從這個角度來看，我們可以看到激活函數和深度架構的有效性。然而，以下幾個方面仍需要重點研究：網絡架構設計、弱監督學習、對錯誤標簽的魯棒性、數據集偏差和過擬合問題等。

2017-05-05 08:57:06

卷積神經網絡機制

當知識圖譜“遇見”深度學習

近日，Tartu大學計算機科學系計算神經學小組的學者在robohub網站發表文章，闡述了他們對DeepMind人工智能算法的復現。在arXiv發表的原始論文中，描述了一個單個的網絡，它能夠自我學習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數是否上升下降，從而做出選擇性的動作。

2017-05-04 13:18:18

深度學習知識圖譜

如何給非專業人士講解什么是深度學習？

文對深度學習的概念闡述刻意避免了數學公式和數學論證，這種用水管網絡來普及深度學習的方法只適合一般公眾。對于懂數學、懂計算機科學的專業人士來說，這樣的描述相當不完備也不精確。流量調節閥的比喻與深度神經網絡中每個神經元相關的權重調整，在數學上并非完全等價。對水管網絡的整體描述也有意忽略了深度學習算法中的代價函數、梯度下降、反向傳播等重要概念。專業人士要學習深度學習，還是要從專業教程看起。

2017-05-04 13:11:28

深度學習 AI

是什么讓深度學習能夠深入世界并改變世界？

受人類大腦的生物學習過程的啟發，科學家們研究出了人工神經網絡(ANN)。“深度學習”指的是由許多層網絡層組成的人工神經網絡。它是機器學習中發展最快的領域。它使用包括多層網絡層的深層神經網絡(DNN)來學習表征和抽象，從而理解圖像、聲音和文本等數據。

2017-05-03 08:19:04

深度學習世界 ANN網絡

淺談深度學習的基本概念和方法

本文旨在提供直觀簡明的深度學習引導，涵蓋深度學習的基本概念，而不涉及很多數學和理論細節。當然如果要做更深入的研究，數學肯定是必不可少的，但是本系列主要還是用圖片和類比等方式，幫助初學者快速建立大局觀。

2017-05-02 14:45:11

深度學習機器學習人工神經網絡

游戲中的深度學習與人工智能

本文是作者跟大家分享的內容是深度學習在游戲AI中的應用這樣一個話題。

2017-05-02 13:45:14

人工智能深度學習游戲

數據平臺上的計算能力：哪些GPU更適合深度學習和數據庫？

GPU和AI越來越火，引起了大批投資者和開發者的注意。百度前首席科學家Andrew Ng提到，AI的春天已經到來，其重要因素之一是GPU處理能力，能讓神經網絡的智能可以隨數據增加而提升，突破了過去的AI所能達到的平臺。

2017-05-02 11:47:17

深度學習 AI

用幾何學提升深度學習模型性能，是計算機視覺研究的未來

深度學習使計算機視覺得以蛻變。如今，絕大多數問題的最佳解決方案是基于端到端的深度學習模型，尤其是當卷積神經網絡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

深度學習幾何學計算機

一文詳解深度神經網絡中的對抗樣本與學習

最近大半年，人工智能領域成為科技領域提到的最多的名詞之一。在kdnuggets此前發布的文章 (Deep Learning’s Deep Flaws)’s Deep Flaws 中，深度學習大神Yoshua Bengio和他的博士生、Google科學家Ian Goodfellow在評論中與作者就深度學習對抗樣本(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

神經網絡人工智能對杭樣本

看得“深”、看得“清” —— 深度學習在圖像超清化的應用

日復一日的人像臨摹練習使得畫家能夠僅憑幾個關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，推斷出圖像對應的高清細節，這就需要算法能夠像畫家一樣“理解”圖像內容。至此，傳統的規則算法不堪重負，新興的深度學習照耀著圖像超清化的星空。

2017-04-26 13:50:26

深度學習圖像超清應用

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習中卷積神經網絡的原理和一些經典的網絡結構。

2017-04-26 13:10:50

CNN ImageNet 深度學習

卷積神經網絡實戰——使用keras識別貓咪

深度學習領域的卷積神經網絡(CNNs或ConvNets)在各行各業為我們解決了大量的實際問題。但是對于大多數人來說，CNN仿佛戴上了神秘的面紗。我經常會想，要是能將神經網絡的過程分解，看一看每一個步驟是什么樣的結果該有多好!這也就是這篇博客存在的意義。

2017-04-26 09:30:53

卷積神經網絡實戰

如何用PyTorch實現遞歸神經網絡？

PyTorch 是 Facebook AI Research 和其它幾個實驗室的開發人員的成果，該框架結合了 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習模型。

2017-04-26 08:31:10

神經網絡自然語言 PyTorch

Caffe的深度學習訓練全過程

今天的目標是使用Caffe完成深度學習訓練的全過程。Caffe是一款十分知名的深度學習框架，由加州大學伯克利分校的賈揚清博士于2013年在Github上發布。自那時起，Caffe在研究界和工業界都受到了極大的關注。Caffe的使用比較簡單，代碼易于擴展，運行速度得到了工業界的認可，同時還有十分成熟的社區。

2017-04-25 18:03:11

Caffe 深度學習框架

深度卷積神經網絡在目標檢測中的進展

近些年來，深度卷積神經網絡(DCNN)在圖像分類和識別上取得了很顯著的提高。回顧從 2014 到 2016 這兩年多的時間，先后涌現出了 R-CNN，Fast R-CNN, Faster R-CNN, ION, HyperNet, SDP-CRC, YOLO,G-CNN, SSD 等越來越快速和準確的目標檢測方法。

2017-04-25 15:12:45

神經網絡 SSD 檢測

漫談四種神經網絡序列解碼模型以及示例代碼

利用通俗的語言來談談神經網絡模型中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

神經網絡解碼

深度學習利器：TensorFlow系統架構及高性能程序設計

2015年11月9日谷歌開源了人工智能平臺TensorFlow，同時成為2015年最受關注的開源項目之一。經歷了從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

深度學習 TensorFlow

七步讓你實踐深度學習

我們工作中經常會問： “深度學習該從哪里學起?” 雖然網上已經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習的“坑”，我們整理了以下這些資源。

2017-04-21 14:21:53

深度學習神經網絡

理解深度學習的鑰匙–參數篇

這是你所有看到的有關神經網絡參數的理解中最通俗易懂的一個了，公式也減到了最少，神經網絡的專業人士繞道哦。

2017-04-19 09:15:57

英偉達推出高性能Jetson TX2，加快深度學習在終端設備上的布局

etson TX2 芯片將會應用于更多的場景，包括城市安保、智能無人機、海洋觀測、智能農業、工業和商用機器人等領域有著廣闊的前景。在嵌入式設備的計算芯片上，他們擁有無與倫比的優勢。

2017-04-18 20:33:17

英偉達 NVIDIA TX1

一文看懂神經網絡工作原理

本文帶來對深度神經網絡的通俗介紹。

2017-04-17 13:10:09

神經網絡人工智能網絡

Facebook的交互式神經網絡可視化系統ActiVis，打開神經網絡的“黑盒子”

對于老式機器學習模型而言，這問題不大;但是如今對于非線性隱匿式數據結構和無數參數而言，這卻是個問題。對于為科學應用部署神經網絡的研究人員而言，黑盒子缺乏再現性(reproducibility)這個問題帶來了驗證方面的障礙，不過對于深度學習框架的生產級用戶來說，因缺乏可見性而無法深入了解網絡行為還存在其他問題，尤其是在優化模型，以獲得更好的性能、效率和準確性方面。

2017-04-17 10:25:29

神經網絡可視化 ActiVis

深度學習概述：從感知機到深度網絡

AI尤其是機器學習領域出現的一股新潮流很大程度上推動了這次復興——深度學習。本文中我將介紹深度學習背后的關鍵概念及算法，從最簡單的元素開始并以此為基礎進行下一步構建。

2017-04-14 08:58:55

深度學習感知機深度網絡

理解深度學習的鑰匙 –啟蒙篇

由于理解深度學習的前提是理解神經網絡，因此，筆者會試著寫三篇文章，分別是啟蒙篇，參數篇及總結篇，深入淺出的給出我的理解，所有的資料都來自網上電子書《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

深度學習神經網絡

上一頁 1 ··· 29 30 31 32 33 34 下一頁

51CTO技術棧公眾號

業務
速覽

媒體

51CTO CIOAge HC3i

社區

51CTO博客鴻蒙開發者社區 AI.x社區

教育

51CTO學堂精培企業培訓 CTO訓練營

主站蜘蛛池模板：久久99精品国产 | 精品视频一区二区 | 成人国产精品入口免费视频 | 亚洲一区综合 | 99精品99| 日韩一级 | 欧美精品一区二区三区在线播放 | 日韩精品一区二区三区 | 亚洲视频免费在线观看 | 欧美日韩高清一区二区三区 | 黄色一级电影免费观看 | 国产精品久久久99 | 成人av播放| 久久精品国产一区二区 | 自拍视频在线观看 | 精国产品一区二区三区四季综 | 亚洲一区二区三区乱码aⅴ 四虎在线视频 | 性一交一乱一伦视频免费观看 | 国产精品美女久久久免费 | 亚洲一区二区三 | 亚洲欧美在线一区 | 天天操狠狠操 | 日韩一区在线视频 | 国产午夜精品一区二区三区嫩草 | 国产精品精品视频一区二区三区 | 一区二区三区四区在线 | 欧美久久一区二区三区 | 精品久久久久久亚洲综合网 | 欧美激情在线播放 | 国产成人精品一区二区三区在线 | 国产精品免费一区二区三区四区 | 超碰最新在线 | 久久国产精品视频 | 99热在这里只有精品 | 精品亚洲二区 | av资源中文在线 | 欧美成人影院 | 亚洲综合大片69999 | 国产视频精品区 | 国产精品一区二区在线 | 九九精品在线 |

<center id="0gkgo"><tr id="0gkgo"></tr></center>

<center id="0gkgo"></center>