從生產(chǎn)層面強(qiáng)調(diào)了深度學(xué)習(xí)項(xiàng)目開發(fā)中需要更加重視數(shù)據(jù)集的構(gòu)建

這看起來顯而易見，但你首先最應(yīng)該做的是隨機(jī)瀏覽你將要使用的訓(xùn)練數(shù)據(jù)。將一些文件復(fù)制到本地計(jì)算機(jī)上，然后花幾個(gè)小時(shí)來預(yù)覽它們。如果您正在處理圖片，使用類似...

2018-11-02 標(biāo)簽：數(shù)據(jù)集深度學(xué)習(xí) 2304 0

如何結(jié)合深度學(xué)習(xí)和深度圖在三個(gè)項(xiàng)目中取得有效的成果

傳統(tǒng)獲取深度圖的方法是利用雙目立體視覺獲取視差信息從而得到環(huán)境的深度的。而今天大多使用的深度傳感器則是基于結(jié)構(gòu)光傳感器的原理，通過將已知模式的紅外光投影...

2018-11-01 標(biāo)簽：機(jī)器人計(jì)算機(jī)視覺深度學(xué)習(xí) 7819 0

TensorFlow和Keras哪個(gè)更好用？

作為一個(gè)庫，Keras 仍然可以單獨(dú)使用，因此未來兩者可能會(huì)分道揚(yáng)鑣。不過，因?yàn)楣雀韫俜街С?Keras 和 TensorFlow，所以似乎不太可能出現(xiàn)...

2018-10-31 標(biāo)簽：深度學(xué)習(xí)TensorFlow 1.1萬 0

一些用于圖像分割的主要技術(shù)及其背后的簡(jiǎn)單思路

仍以VGG為例，由于前面采樣部分過大，有時(shí)候會(huì)導(dǎo)致后面進(jìn)行反向卷積操作得到的結(jié)果分辨率較低，會(huì)出現(xiàn)細(xì)節(jié)丟失等問題。為此，F(xiàn)CN的解決方法是疊加第三、四、...

2018-10-31 標(biāo)簽：圖像計(jì)算機(jī)視覺深度學(xué)習(xí) 1.3萬 0

探討人工智能研究趨勢(shì)及應(yīng)用

2014 年秋季，人工智能百年研究（OneHundred Year Study）項(xiàng)目啟動(dòng)，這是一項(xiàng)對(duì)人工智能領(lǐng)域及其對(duì)人類、社區(qū)、社會(huì)影響的長(zhǎng)期學(xué)術(shù)研究...

2018-10-30 標(biāo)簽：人工智能計(jì)算機(jī)視覺深度學(xué)習(xí) 4803 0

Apache Spark的分布式深度學(xué)習(xí)框架BigDL的概述

該視頻概述了Apache Spark *的BigDL分布式深度學(xué)習(xí)框架。

2018-10-30 標(biāo)簽：gpu大數(shù)據(jù)深度學(xué)習(xí) 3317 0

如何基于CNN和三重?fù)p失函數(shù)，學(xué)習(xí)位置嵌入

盡管地點(diǎn)映射本身就是一個(gè)困難的問題，足以專門寫一篇博客，人類的直覺能在很大程度上幫助解決這一問題。考慮上圖中訪問圣莫尼卡海灘的例子。稍微一瞥周邊地點(diǎn)，就...

2018-10-29 標(biāo)簽：智能手機(jī)函數(shù)深度學(xué)習(xí) 9616 0

基于深度學(xué)習(xí)的多目標(biāo)跟蹤算法技術(shù)

基于深度學(xué)習(xí)的算法在圖像和視頻識(shí)別任務(wù)中取得了廣泛的應(yīng)用和突破性的進(jìn)展。

2018-10-27 標(biāo)簽：算法深度學(xué)習(xí) 1.3萬 0

深度文本匹配的簡(jiǎn)介,深度文本匹配在智能客服中的應(yīng)用

隨著深度學(xué)習(xí)在計(jì)算機(jī)視覺、語音識(shí)別和推薦系統(tǒng)領(lǐng)域中的成功運(yùn)用，近年來有很多研究致力于將深度神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于自然語言處理任務(wù)，以降低特征工程的成本。最早...

2018-10-26 標(biāo)簽：計(jì)算機(jī)視覺機(jī)器學(xué)習(xí)深度學(xué)習(xí) 5303 0

Keras實(shí)現(xiàn)：用部分卷積補(bǔ)全圖像不規(guī)則缺損

其中⊙表示點(diǎn)乘，即每個(gè)矩陣元素對(duì)應(yīng)相乘，M是由0和1構(gòu)成的二進(jìn)制掩碼。在每次完成部分卷積操作后，掩膜要進(jìn)行一輪更新。這意味著如果卷積能夠在至少一個(gè)有效輸...

2018-10-26 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)圖像深度學(xué)習(xí) 4455 0

深度圖像和深度學(xué)習(xí)結(jié)合用于機(jī)器人抓取的Dex-Net、復(fù)雜目標(biāo)分割以及讓機(jī)器人整理床鋪

目前常用的深度傳感器是結(jié)構(gòu)光傳感器，它可以用一種看不見的波長(zhǎng)將一直物體的形狀投射到某場(chǎng)景中，比如我們熟知的Kinect。另一種深度感知的方法就是LIDA...

2018-10-26 標(biāo)簽：傳感器機(jī)器人深度學(xué)習(xí) 7925 0

如何使用tensorflow快速搭建起一個(gè)深度學(xué)習(xí)項(xiàng)目

我們繼續(xù)以 NG 課題組提供的 sign 手勢(shì)數(shù)據(jù)集為例，學(xué)習(xí)如何通過Tensorflow快速搭建起一個(gè)深度學(xué)習(xí)項(xiàng)目。數(shù)據(jù)集標(biāo)簽共有零到五總共 6 類標(biāo)...

2018-10-25 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)tensorflow 7753 0

深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)是什么樣的？

怎樣理解非線性變換和多層網(wǎng)絡(luò)后的線性可分，神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)就是學(xué)習(xí)如何利用矩陣的線性變換加激活函數(shù)的非線性變換。

2018-10-23 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí) 4036 0

總結(jié)了18個(gè)Tips，讓你在瀏覽器里玩轉(zhuǎn)深度學(xué)習(xí)

控制模型的規(guī)模很重要。如果模型架構(gòu)太大太復(fù)雜，訓(xùn)練和運(yùn)行的速度都會(huì)降低，從瀏覽器載入模型度速度也會(huì)變慢。控制模型的規(guī)模說起來簡(jiǎn)單，難的是取得準(zhǔn)確率和模型...

2018-10-21 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí) 2408 0

分布式文件系統(tǒng)的必要性,Python在分布式文件系統(tǒng)中的支持情況

這里通過收集或生成更多訓(xùn)練數(shù)據(jù)而得到的可預(yù)測(cè)投資回報(bào)率（ROI）比上面的概念稍復(fù)雜。首先，你需要收集到足夠多的數(shù)據(jù)，如下圖所示，使數(shù)據(jù)量超過“Small...

2018-10-21 標(biāo)簽：編程語言圖像分類深度學(xué)習(xí) 4204 0

BN降低內(nèi)部協(xié)方差偏移是流言嗎？

假設(shè)在下一次迭代i+1中，zc的分布偏移至pci+1。由于網(wǎng)絡(luò)層d的權(quán)重之前是根據(jù)pci更新的，但現(xiàn)在網(wǎng)絡(luò)層d面臨的輸入分布卻是pci+1。這一顯著差異...

2018-10-21 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí) 4485 0