文章庫(kù)ARTICLE COLUMN
摘要：的目的是為了提供一個(gè)目標(biāo)檢測(cè)學(xué)習(xí)的平臺(tái)。注看一下這篇聯(lián)名的機(jī)構(gòu)發(fā)布在熱乎乎的還燙手總結(jié)這個(gè)庫(kù)的目的是為了盡可能介紹的關(guān)于目標(biāo)檢測(cè)相關(guān)的工作。由于還是初學(xué)者，所以整理不好不規(guī)范的地方，還請(qǐng)大家及時(shí)指出。 Object Detection WikiObject detec...
摘要：二階動(dòng)量的出現(xiàn)，才意味著自適應(yīng)學(xué)習(xí)率優(yōu)化算法時(shí)代的到來。自適應(yīng)學(xué)習(xí)率類優(yōu)化算法為每個(gè)參數(shù)設(shè)定了不同的學(xué)習(xí)率，在不同維度上設(shè)定不同步長(zhǎng)，因此其下降方向是縮放過的一階動(dòng)量方向。 說到優(yōu)化算法，入門級(jí)必從SGD學(xué)起，老司機(jī)則會(huì)告訴你更好的還有Ad...
摘要：我仍然用了一些時(shí)間才從神經(jīng)科學(xué)轉(zhuǎn)向機(jī)器學(xué)習(xí)。當(dāng)我到了該讀博的時(shí)候，我很難在的神經(jīng)科學(xué)和的機(jī)器學(xué)習(xí)之間做出選擇。 1.你學(xué)習(xí)機(jī)器學(xué)習(xí)的歷程是什么？在學(xué)習(xí)機(jī)器學(xué)習(xí)時(shí)你最喜歡的書是什么？你遇到過什么死胡同嗎？我學(xué)習(xí)機(jī)器學(xué)習(xí)的道路是漫長(zhǎng)而曲折的...
摘要：完整版地址我們的想法是創(chuàng)建一個(gè)深度學(xué)習(xí)框架的羅塞塔石碑假設(shè)你很了解某個(gè)深度學(xué)習(xí)框架，你就可以幫助別人使用任何框架。我們的目標(biāo)是創(chuàng)建深度學(xué)習(xí)框架的羅塞塔石碑，使數(shù)據(jù)科學(xué)家能夠在不同框架之間輕松運(yùn)用專業(yè)知識(shí)。 repo 1.0 完整版 GitHub 地址：...
摘要：近日，發(fā)布了其關(guān)于神經(jīng)網(wǎng)絡(luò)可解釋性的研究成果，他們通過刪除網(wǎng)絡(luò)中的某些神經(jīng)元組，從而判定其對(duì)于整個(gè)網(wǎng)絡(luò)是否重要。泛化性良好的網(wǎng)絡(luò)對(duì)于刪除神經(jīng)元的操作更具適應(yīng)性。通過刪除單個(gè)神經(jīng)元和神經(jīng)元組，我們測(cè)量了破壞網(wǎng)絡(luò)對(duì)性能的影響。 深度學(xué)習(xí)算...
摘要：這一切始于年的一篇論文，其使用了稱為的算法用來提取感興趣候選區(qū)域，并用一個(gè)標(biāo)準(zhǔn)的卷積神經(jīng)網(wǎng)絡(luò)去分類和調(diào)整這些區(qū)域。 本文詳細(xì)解釋了 Faster R-CNN 的網(wǎng)絡(luò)架構(gòu)和工作流，一步步帶領(lǐng)讀者理解目標(biāo)檢測(cè)的工作原理，作者本人也提供了 Luminoth 實(shí)現(xiàn)，...
摘要：近日，來自華盛頓大學(xué)的和提出的版本。而那些評(píng)分較高的區(qū)域就可以視為檢測(cè)結(jié)果。此外，相對(duì)于其它目標(biāo)檢測(cè)方法，我們使用了完全不同的方法。從圖中可以看出準(zhǔn)確率高，速度也快。對(duì)于的圖像，可以達(dá)到的檢測(cè)速度，獲得的性能，與的準(zhǔn)確率相當(dāng)?shù)撬俣瓤?..
摘要：今年，發(fā)布了面向開發(fā)者的全新機(jī)器學(xué)習(xí)框架。今年，圍繞，谷歌同樣做出了幾項(xiàng)重大宣布發(fā)布新的官方博客與頻道面向開發(fā)者的全新機(jī)器學(xué)習(xí)框架發(fā)布一系列新的庫(kù)與工具例如等。提供了多種適用于張量的線性代數(shù)和機(jī)器學(xué)習(xí)運(yùn)算的。 當(dāng)時(shí)時(shí)間 3 月 30 日，谷歌...
摘要：奧胡斯大學(xué)密碼學(xué)機(jī)器學(xué)習(xí)工程師介紹了如何實(shí)現(xiàn)基于加密數(shù)據(jù)進(jìn)行訓(xùn)練和預(yù)測(cè)的卷積神經(jīng)網(wǎng)絡(luò)。通過卷積神經(jīng)網(wǎng)絡(luò)分析圖像在最近幾年極為流行，因?yàn)樵趫D像相關(guān)任務(wù)上的表現(xiàn)超過了其他許多方法。 奧胡斯大學(xué)密碼學(xué)PhD、Datadog機(jī)器學(xué)習(xí)工程師Morten Dahl介紹...
摘要：但是其仍然存在一些問題，而新提出的解決了式歸一化對(duì)依賴的影響。上面三節(jié)分別介紹了的問題，以及的工作方式，本節(jié)將介紹的原因。作者基于此，提出了組歸一化的方式，且效果表明，顯著優(yōu)于等。 前言Face book AI research（FAIR）吳育昕-何愷明聯(lián)合推...
摘要：讓我們簡(jiǎn)要介紹一下不同類型的卷積以及它們的優(yōu)點(diǎn)。反卷積，一些別的文章中把這個(gè)操作稱為解卷積，但這是不恰當(dāng)?shù)?，因?yàn)檫@不是一個(gè)解卷積過程。反卷積有點(diǎn)類似，因?yàn)樗a(chǎn)生了假想的解卷積所能達(dá)到的相同的空間分辨率。反卷積執(zhí)行卷積，但恢復(fù)其空間變換...
摘要：卷積神經(jīng)網(wǎng)絡(luò)除了為機(jī)器人和自動(dòng)駕駛汽車的視覺助力之外，還可以成功識(shí)別人臉，物體和交通標(biāo)志。卷積卷積神經(jīng)網(wǎng)絡(luò)的名字來源于卷積運(yùn)算。在卷積神經(jīng)網(wǎng)絡(luò)中，卷積的主要目的是從輸入圖像中提取特征。 什么是卷積神經(jīng)網(wǎng)絡(luò)，它為何重要？卷積神經(jīng)網(wǎng)絡(luò)（也...
摘要：深度學(xué)習(xí)使一系列計(jì)算機(jī)視覺任務(wù)的性能得到提升。最近的研究表明，在使用合成數(shù)據(jù)訓(xùn)練以及對(duì)真實(shí)數(shù)據(jù)進(jìn)行測(cè)試方面已經(jīng)取得了成功。圖在我們的研究中所使用的圖像形成和處理流程圖。軟件和數(shù)據(jù)集將在完成盲審后公布。 長(zhǎng)期以來，深度學(xué)習(xí)使一系列計(jì)算機(jī)...
摘要：我們還了解到，許多科學(xué)家不編寫代碼，但對(duì)在自己的圖像分析工作中利用深度學(xué)習(xí)仍然感到非常興奮。后續(xù)發(fā)展基于深度學(xué)習(xí)的科學(xué)圖像分析方法將提高準(zhǔn)確性減少手動(dòng)參數(shù)調(diào)整，并且可能會(huì)帶來新認(rèn)識(shí)。 許多科學(xué)成像應(yīng)用（尤其是顯微鏡檢查）每天可以產(chǎn)生數(shù)...
摘要：本文從可視化的角度出發(fā)詳解釋了的原理的計(jì)算過程，非常有利于直觀理解它的結(jié)構(gòu)。具體來說，是那些水平方向的邊緣。訓(xùn)練過程可以自動(dòng)完成這一工作。更進(jìn)一步地說，這意味著每個(gè)膠囊含有一個(gè)擁有個(gè)值的數(shù)組，而一般我們稱之為向量。 CapsNet 將神經(jīng)元的...
摘要：如何進(jìn)行操作本文將介紹在有道云筆記中用于文檔識(shí)別的實(shí)踐過程，以及都有些哪些特性，供大家參考。年月發(fā)布后，有道技術(shù)團(tuán)隊(duì)第一時(shí)間跟進(jìn)框架，并很快將其用在了有道云筆記產(chǎn)品中。微軟雅黑宋體以下是在有道云筆記中用于文檔識(shí)別的實(shí)踐過程。 這一兩年...
摘要：一個(gè)簡(jiǎn)單的解釋是，在論文和論文中，恒等映射的輸出被添加到下一個(gè)模塊，如果兩個(gè)層的特征映射有著非常不同的分布，那么這可能會(huì)阻礙信息流。 在 AlexNet [1] 取得 LSVRC 2012 分類競(jìng)賽冠軍之后，深度殘差網(wǎng)絡(luò)（Residual Network, 下文簡(jiǎn)寫為 ResNet）[...
摘要：近日，該論文的一作終于在上公開了該論文中的代碼。該項(xiàng)目上線天便獲得了個(gè)，并被了次。 當(dāng)前的深度學(xué)習(xí)理論是由Geoffrey Hinton大神在2007年確立起來的，但是如今他卻認(rèn)為，CNN的特征提取層與次抽樣層交叉存取，將相同類型的相鄰特征檢測(cè)器的輸出匯...
摘要：如果不一致，那么就出現(xiàn)了新的機(jī)器學(xué)習(xí)問題，如等。要解決獨(dú)立同分布的問題，理論正確的方法就是對(duì)每一層的數(shù)據(jù)都進(jìn)行白化操作。變換為均值為方差為的分布，也并不是嚴(yán)格的同分布，只是映射到了一個(gè)確定的區(qū)間范圍而已。 深度神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練之難眾...
摘要：最普遍的變換是線性變換，即和均將規(guī)范化應(yīng)用于輸入的特征數(shù)據(jù)，而則另辟蹊徑，將規(guī)范化應(yīng)用于線性變換函數(shù)的權(quán)重，這就是名稱的來源。他們不處理權(quán)重向量，也不處理特征數(shù)據(jù)向量，就改了一下線性變換的函數(shù)其中是和的夾角。 深度神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練之...
摘要：本文試圖揭開讓人迷惘的云霧，領(lǐng)悟背后的原理和魅力，品嘗這一頓盛宴。當(dāng)然，激活函數(shù)本身很簡(jiǎn)單，比如一個(gè)激活的全連接層，用寫起來就是可是，如果我想用的反函數(shù)來激活呢也就是說，你得給我解出，然后再用它來做激活函數(shù)。 由深度學(xué)習(xí)先驅(qū) Hinton 開...
摘要：過去的測(cè)試包括，在皮膚病診斷中的表現(xiàn)大致上和人類專家持平。和其同事也在皮膚癌等其他皮膚病上測(cè)試了深度學(xué)習(xí)。使用數(shù)據(jù)集進(jìn)行驗(yàn)證時(shí)，基底細(xì)胞癌診斷的敏感度是。 人工智能目前在與專業(yè)醫(yī)生的能力對(duì)比上還罕有勝跡。但深度神經(jīng)網(wǎng)絡(luò)方法最近已經(jīng)可以...
摘要：在低端領(lǐng)域，在上訓(xùn)練模型的價(jià)格比便宜兩倍。硬件定價(jià)價(jià)格變化頻繁，但目前提供的實(shí)例起價(jià)為美元小時(shí)，以秒為增量計(jì)費(fèi)，而更強(qiáng)大且性能更高的實(shí)例起價(jià)為美元小時(shí)。 隨著越來越多的現(xiàn)代機(jī)器學(xué)習(xí)任務(wù)都需要使用GPU，了解不同GPU供應(yīng)商的成本和性能trade-o...
摘要：近日，加州大學(xué)洛杉磯分校的朱松純教授等人發(fā)布了一篇使用決策樹對(duì)的表征和預(yù)測(cè)進(jìn)行解釋的論文。在此論文中，朱松純等研究者提出了一種新任務(wù)，也就是使用決策樹在語義層次上來量化解釋預(yù)測(cè)的邏輯。 近日，加州大學(xué)洛杉磯分校的朱松純教授等人發(fā)布了一...
摘要：是由華盛頓大學(xué)在讀博士陳天奇等人提出的深度學(xué)習(xí)自動(dòng)代碼生成方法，去年月機(jī)器之心曾對(duì)其進(jìn)行過簡(jiǎn)要介紹。目前的堆棧支持多種深度學(xué)習(xí)框架以及主流以及專用深度學(xué)習(xí)加速器。 TVM 是由華盛頓大學(xué)在讀博士陳天奇等人提出的深度學(xué)習(xí)自動(dòng)代碼生成方法，去...
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...
一、活動(dòng)亮點(diǎn)：全球31個(gè)節(jié)點(diǎn)覆蓋 + 線路升級(jí)，跨境業(yè)務(wù)福音！爆款云主機(jī)0.5折起：香港、海外多節(jié)點(diǎn)...
大模型的訓(xùn)練用4090是不合適的，但推理（inference/serving）用4090不能說合適，...
89542767
社區(qū)管理員
白馬嘯西風(fēng)