圖像分類比賽中，你可以用如下方案舉一反三

在大多數(shù)機(jī)器學(xué)習(xí)任務(wù)中，我們首先要做的（也是最重要的任務(wù)）就是在使用算法之前分析數(shù)據(jù)集。這一步驟之所以重要，是因?yàn)樗軌蜃屛覀儗?shù)據(jù)集的復(fù)雜度有深入的了...

2018-11-02 標(biāo)簽：圖像分類機(jī)器學(xué)習(xí)數(shù)據(jù)集 2.4k 0

淺析大數(shù)據(jù)處理的關(guān)鍵技術(shù)及應(yīng)用

數(shù)據(jù)處理是對紛繁復(fù)雜的海量數(shù)據(jù)價值的提煉，而其中最有價值的地方在于預(yù)測性分析，即可以通過數(shù)據(jù)可視化、統(tǒng)計(jì)模式識別、數(shù)據(jù)描述等數(shù)據(jù)挖掘形式幫助數(shù)據(jù)科學(xué)家更...

2018-10-31 標(biāo)簽：機(jī)器學(xué)習(xí)大數(shù)據(jù) 8.9k 0

TL-GAN：控制合成和編輯的高效方法

以CycleGAN和pix2pix為代表的風(fēng)格遷移網(wǎng)絡(luò)是將圖像從一個領(lǐng)域轉(zhuǎn)移到另一個領(lǐng)域的模型（例如將馬變成斑馬，將素描畫編程帶有顏色的圖像）。結(jié)果是，...

2018-10-31 標(biāo)簽：圖像GAN機(jī)器學(xué)習(xí) 4k 0

英特爾新服務(wù)器處理器在各種機(jī)器學(xué)習(xí)任務(wù)中的使用介紹

該演講討論了英特爾新服務(wù)器處理器在各種機(jī)器學(xué)習(xí)任務(wù)中的使用。

2018-10-30 標(biāo)簽：處理器英特爾服務(wù)器 3.7k 0

人工智能新聞：2017年1月

這一集中的特色是一篇研究人工智能，機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的文章。此外，我們還將了解英特爾?數(shù)學(xué)核心函數(shù)庫如何加速最流行的圖像識別拓?fù)洹Ｐ碌纳疃葘W(xué)習(xí)軟件開發(fā)

2018-11-01 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)intel人工智能 2.7k 0

如何為GitHub這些項(xiàng)目貢獻(xiàn)代碼呢？

Harry在找到這個項(xiàng)目之后，點(diǎn)擊右上角的「fork」按鈕。稍等片刻后，就會在Harry的賬號下克隆了一個一樣的項(xiàng)目githubTest，包括文件、提交...

2018-10-29 標(biāo)簽：機(jī)器學(xué)習(xí)GitHub 2.4k 0

科學(xué)家真正信任人工智能之前，首先需要去理解機(jī)器是如何學(xué)習(xí)的

科學(xué)家正面臨一個復(fù)雜的問題，就是算法公平到底意味著什么？像Vaithianathan這樣正在與公共組織協(xié)作去建立負(fù)責(zé)、高效的軟件的研究人員，必須解決的難...

2018-10-29 標(biāo)簽：人工智能機(jī)器學(xué)習(xí)數(shù)據(jù)集 5.4k 0

如何實(shí)現(xiàn)自動識別并提取圖片中的文本內(nèi)容

需要進(jìn)行識別的主要是當(dāng)前沒有可用索引文本內(nèi)容的文件，包括圖片格式和還有一部分 PDF 文檔，但其實(shí)這部分文件只占所有文件的很小一部分，所以解決這個問題很...

2018-10-29 標(biāo)簽：神經(jīng)網(wǎng)絡(luò)自動識別機(jī)器學(xué)習(xí) 1.6萬 0

在應(yīng)用層面了解遷移學(xué)習(xí)的原理及其優(yōu)勢

因?yàn)槲覀兪褂玫氖堑讓拥臉?gòu)建塊，我們可以輕松改變模型的某個單一部件（例如，將F.relu變?yōu)镕.sigmoid）。這樣做可以得到一個全新的模型架構(gòu)，它可能...

2018-10-27 標(biāo)簽：機(jī)器學(xué)習(xí)遷移學(xué)習(xí) 1.1萬 0

OpenAI的研究人員提出了一種全新的AI安全策略——迭代放大法

本文提出的迭代放大，是一種在確定性假設(shè)下為后續(xù)任務(wù)生成訓(xùn)練假設(shè)的方法。實(shí)際上，雖然人類不能在全局上直接把握復(fù)雜的問題，但我們可以假設(shè)人類可以有效的評估復(fù)...

2018-10-26 標(biāo)簽：AI函數(shù)機(jī)器學(xué)習(xí) 3.6k 0

深度文本匹配的簡介,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) 5.8k 0

Julia和TPU的結(jié)合意味著快速、易于表達(dá)的ML計(jì)算！

這篇論文介紹了使用這個接口將常規(guī)的Julia代碼編譯帶TPU的初步工作。這一方法不依賴跟蹤，而是利用Julia的靜態(tài)分析和編譯功能來編譯完整的程序，包括...

2018-10-26 標(biāo)簽：谷歌編程語言機(jī)器學(xué)習(xí) 3.5k 0

深度分析AI、機(jī)器學(xué)習(xí)和認(rèn)知計(jì)算

人工智能的發(fā)展曾經(jīng)經(jīng)歷過幾次起起伏伏，近來在深度學(xué)習(xí)技術(shù)的推動下又迎來了一波新的前所未有的高潮。

2018-10-25 標(biāo)簽：AI機(jī)器學(xué)習(xí) 3.8k 0

如何讓分類器預(yù)測目標(biāo)是否為“背景”的概率

我有一種能顯著改善這種情況的方法：不讓背景類別學(xué)習(xí)特征，只讓它學(xué)習(xí)一種可訓(xùn)練變量，即它的logit。這樣一來，背景類別不會被嵌入到某個具體的區(qū)域中，給那...

2018-10-24 標(biāo)簽：分類器機(jī)器學(xué)習(xí) 4.2k 0

快速交付機(jī)器學(xué)習(xí)項(xiàng)目的經(jīng)驗(yàn)

由于團(tuán)隊(duì)的目標(biāo)是在測試集上取得較優(yōu)表現(xiàn)，測試集實(shí)質(zhì)上描述了團(tuán)隊(duì)的目標(biāo)。因此，測試集應(yīng)當(dāng)反映產(chǎn)品或業(yè)務(wù)的需求。例如，如果你正創(chuàng)建一個基于自拍檢測皮膚狀況的...

2018-10-21 標(biāo)簽：圖像機(jī)器學(xué)習(xí) 2.7k 0

什么是人工智能以及如何使用它

機(jī)器學(xué)習(xí)、自然語言處理和人工智能(AI)都旨在將數(shù)據(jù)從人們生活中的簡單部分轉(zhuǎn)換為認(rèn)知組件。最終，將會幫助人們做出更好的決策，保持競爭力，并影響戰(zhàn)略方向。

2018-10-19 標(biāo)簽：人工智能機(jī)器學(xué)習(xí) 7.3k 0