理解Batch Normalization中Batch所代表具體含義的知識(shí)基礎(chǔ)

所謂“Mini-Batch”,是指的從訓(xùn)練數(shù)據(jù)全集T中隨機(jī)選擇的一個(gè)訓(xùn)練數(shù)據(jù)子集合。假設(shè)訓(xùn)練數(shù)據(jù)集合T包含N個(gè)樣本，而每個(gè)Mini-Batch的Batc...

2018-10-19 標(biāo)簽：機(jī)器學(xué)習(xí)深度學(xué)習(xí) 3.5萬(wàn) 0

到底誰(shuí)可以產(chǎn)生更好的圖像修復(fù)結(jié)果？什么是圖像修補(bǔ)？

在自動(dòng)識(shí)別方法中：排名第一的是深度學(xué)習(xí)方法-基于生成的圖像修復(fù)方法。但這不是一次壓倒性的勝利，因?yàn)檫@個(gè)算法從未達(dá)到我們研究中任何圖像的最佳分?jǐn)?shù)。 “城市...

2018-10-18 標(biāo)簽：圖像深度學(xué)習(xí) 1.2萬(wàn) 0

BERT在機(jī)器閱讀理解測(cè)試SQuAD1.1中表現(xiàn)出驚人的成績(jī)

如何來(lái)實(shí)現(xiàn)上下文全向預(yù)測(cè)呢？BERT 的作者建議使用 Transformer 模型。這個(gè)模型在《Attention Is All You Need》一文...

2018-10-18 標(biāo)簽：谷歌深度學(xué)習(xí) 1.2萬(wàn) 0

什么是最好的深度學(xué)習(xí)GPU？分析幾款目前最優(yōu)秀的GPU

實(shí)驗(yàn)中，所有GPU的性能都是通過(guò)在合成數(shù)據(jù)上訓(xùn)練常規(guī)模型，測(cè)量FP32和FP16時(shí)的吞吐量（每秒處理的訓(xùn)練樣本數(shù)）來(lái)進(jìn)行評(píng)估的。為了標(biāo)準(zhǔn)化數(shù)據(jù)，同時(shí)體現(xiàn)...

2018-10-18 標(biāo)簽：GPU人工智能深度學(xué)習(xí) 2.8萬(wàn) 0

基于tensorflow.js設(shè)計(jì)、訓(xùn)練面向web的神經(jīng)網(wǎng)絡(luò)模型的經(jīng)驗(yàn)

你也許會(huì)好奇：為什么要在瀏覽器里基于tensorflow.js訓(xùn)練我的模型，而不是直接在自己的機(jī)器上基于tensorflow訓(xùn)練模型？你當(dāng)然可以在自己的...

2018-10-18 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí) 4178 0

利用深度學(xué)習(xí)解決目標(biāo)檢測(cè)任務(wù)的簡(jiǎn)單方法

首先，讓我們明確什么是選擇性搜索，以及它是如何辨別不同區(qū)域的。組成目標(biāo)物體通常有四個(gè)要素：變化尺度、顏色、結(jié)構(gòu)（材質(zhì)）、所占面積。選擇性搜索會(huì)確定物體在...

2018-10-18 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)算法深度學(xué)習(xí) 9616 0

當(dāng)虛擬化的力量結(jié)合更強(qiáng)大的vGPU解決方案

“Cisco UCS和HyperFlex為用戶提供了已驗(yàn)證、靈活、可擴(kuò)展的平臺(tái)，以運(yùn)行GPU加速的虛擬桌面和應(yīng)用。全新NVIDIA功能可在單一虛擬機(jī)上支...

2018-10-17 標(biāo)簽：GPU深度學(xué)習(xí) 1.9萬(wàn) 0

人工智能芯片的DNA

（本文由新思科技供稿，電子發(fā)燒友平臺(tái)發(fā)布） 過(guò)去十年間，幾項(xiàng)技術(shù)的進(jìn)步使人工智能 （AI）成為最令人振奮的技術(shù)之一。2012年，Geoffrey Eve...

2018-10-16 標(biāo)簽：芯片人工智能人臉識(shí)別 2451 0

未來(lái)人工智能的五大發(fā)展趨勢(shì)是怎么樣的？

雖然人工智能曾經(jīng)存在泡沫，但一般泡沫破滅之后就是發(fā)展。讓我們一起看一下，在未來(lái)人工智能的發(fā)展趨勢(shì)。

2018-10-14 標(biāo)簽：GPU人工智能深度學(xué)習(xí) 2.0萬(wàn) 0

激活函數(shù)如何隱式地改變傳入網(wǎng)絡(luò)層的數(shù)據(jù)分布，進(jìn)而影響網(wǎng)絡(luò)的優(yōu)化過(guò)程

你可以自己試驗(yàn)一下。我試了很多次，從來(lái)沒(méi)能得到一個(gè)數(shù)量級(jí)大于10-18的數(shù)。如果這個(gè)值是神經(jīng)元A的梯度表達(dá)式中的一個(gè)因子，那么梯度幾乎就等于零。這意味著...

2018-10-13 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)函數(shù)深度學(xué)習(xí) 3397 0

UC Berkeley大學(xué)的研究人員們利用深度姿態(tài)估計(jì)和深度學(xué)習(xí)技術(shù)

給定一段視頻，我們用基于視覺(jué)的動(dòng)作估計(jì)器預(yù)測(cè)每一幀演員的動(dòng)作qt。該動(dòng)作預(yù)測(cè)器是建立在人類網(wǎng)格復(fù)原這一工作之上的（akanazawa.github.io...

2018-10-12 標(biāo)簽：計(jì)算機(jī)視覺(jué)智能體深度學(xué)習(xí) 2882 0

一種深度學(xué)習(xí)系統(tǒng)可以從高精度的氣候模擬中識(shí)別出極端天氣模式

研究人員表示這一研究實(shí)現(xiàn)了很多記錄，不僅是在氣象科學(xué)領(lǐng)域第一次將深度學(xué)習(xí)用于解決如此大規(guī)模的氣候分割問(wèn)題，同時(shí)在深度學(xué)習(xí)領(lǐng)域也是第一次將計(jì)算能力拓展到了...

2018-10-11 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí) 4878 0

Keras和TensorFlow究竟哪個(gè)會(huì)更好？

Keras 依然作為一個(gè)庫(kù)，與 TensorFlow 分開(kāi)，進(jìn)行獨(dú)立操作，所以仍存在未來(lái)兩者會(huì)分開(kāi)的可能性；然而，我們知道 Google 官方同時(shí)支持 ...

2018-10-11 標(biāo)簽：數(shù)據(jù)集深度學(xué)習(xí)Keras 2.2萬(wàn) 0

fast.ai發(fā)布的一個(gè)簡(jiǎn)便、好用的PyTorch庫(kù)

Christine McLeavey Payne是從上一期Fast.ai深度學(xué)習(xí)課程中脫穎而出的一名學(xué)生。她的人生經(jīng)歷非常豐富：從舊金山交響樂(lè)團(tuán)的古典鋼...

2018-10-10 標(biāo)簽：深度學(xué)習(xí)PyTorch 4756 0

假設(shè)不懂?dāng)?shù)據(jù)科學(xué)，如何解決問(wèn)題?

常識(shí)告訴你，應(yīng)該選擇那些最忠誠(chéng)的顧客，畢竟，他們是最可能對(duì)郵件感興趣的人。（不過(guò)，其實(shí)這個(gè)問(wèn)題也可以從增量建模（Uplift Modeling）的角度考...

2018-10-10 標(biāo)簽：深度學(xué)習(xí)數(shù)據(jù)科學(xué) 1984 0

深度學(xué)習(xí)算法應(yīng)用于三維醫(yī)學(xué)影像的超快分析

英國(guó)《自然·醫(yī)學(xué)》雜志13日在線發(fā)表的兩項(xiàng)獨(dú)立研究顯示，最新的人工智能（AI）已可以基于三維醫(yī)學(xué)影像，對(duì)神經(jīng)系統(tǒng)疾病和視網(wǎng)膜疾病給出快速、準(zhǔn)確的自動(dòng)診斷。

2018-10-09 標(biāo)簽：人工智能深度學(xué)習(xí) 4269 0

人工智能無(wú)法通過(guò)兒童可輕松完成的“視力檢測(cè)”

相比之下，人工智能會(huì)非常費(fèi)力地制造視覺(jué)印象，就好像它是用盲文閱讀描述一樣。不同的算法，人工智能產(chǎn)生了不同的表達(dá)效果。在此過(guò)程中，特定類型的 AI 系統(tǒng)被...

2018-10-08 標(biāo)簽：人工智能計(jì)算機(jī)視覺(jué)深度學(xué)習(xí) 3867 0