文章庫ARTICLE COLUMN
摘要：的目的是為了提供一個目標檢測學習的平臺。注看一下這篇聯(lián)名的機構發(fā)布在熱乎乎的還燙手總結這個庫的目的是為了盡可能介紹的關于目標檢測相關的工作。由于還是初學者，所以整理不好不規(guī)范的地方，還請大家及時指出。 Object Detection WikiObject detec...
摘要：二階動量的出現(xiàn)，才意味著自適應學習率優(yōu)化算法時代的到來。自適應學習率類優(yōu)化算法為每個參數(shù)設定了不同的學習率，在不同維度上設定不同步長，因此其下降方向是縮放過的一階動量方向。 說到優(yōu)化算法，入門級必從SGD學起，老司機則會告訴你更好的還有Ad...
摘要：我仍然用了一些時間才從神經(jīng)科學轉向機器學習。當我到了該讀博的時候，我很難在的神經(jīng)科學和的機器學習之間做出選擇。 1.你學習機器學習的歷程是什么？在學習機器學習時你最喜歡的書是什么？你遇到過什么死胡同嗎？我學習機器學習的道路是漫長而曲折的...
摘要：完整版地址我們的想法是創(chuàng)建一個深度學習框架的羅塞塔石碑假設你很了解某個深度學習框架，你就可以幫助別人使用任何框架。我們的目標是創(chuàng)建深度學習框架的羅塞塔石碑，使數(shù)據(jù)科學家能夠在不同框架之間輕松運用專業(yè)知識。 repo 1.0 完整版 GitHub 地址：...
摘要：近日，發(fā)布了其關于神經(jīng)網(wǎng)絡可解釋性的研究成果，他們通過刪除網(wǎng)絡中的某些神經(jīng)元組，從而判定其對于整個網(wǎng)絡是否重要。泛化性良好的網(wǎng)絡對于刪除神經(jīng)元的操作更具適應性。通過刪除單個神經(jīng)元和神經(jīng)元組，我們測量了破壞網(wǎng)絡對性能的影響。 深度學習算...
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，并用一個標準的卷積神經(jīng)網(wǎng)絡去分類和調(diào)整這些區(qū)域。 本文詳細解釋了 Faster R-CNN 的網(wǎng)絡架構和工作流，一步步帶領讀者理解目標檢測的工作原理，作者本人也提供了 Luminoth 實現(xiàn)，...
摘要：近日，來自華盛頓大學的和提出的版本。而那些評分較高的區(qū)域就可以視為檢測結果。此外，相對于其它目標檢測方法，我們使用了完全不同的方法。從圖中可以看出準確率高，速度也快。對于的圖像，可以達到的檢測速度，獲得的性能，與的準確率相當?shù)撬俣瓤?..
摘要：今年，發(fā)布了面向開發(fā)者的全新機器學習框架。今年，圍繞，谷歌同樣做出了幾項重大宣布發(fā)布新的官方博客與頻道面向開發(fā)者的全新機器學習框架發(fā)布一系列新的庫與工具例如等。提供了多種適用于張量的線性代數(shù)和機器學習運算的。 當時時間 3 月 30 日，谷歌...
摘要：奧胡斯大學密碼學機器學習工程師介紹了如何實現(xiàn)基于加密數(shù)據(jù)進行訓練和預測的卷積神經(jīng)網(wǎng)絡。通過卷積神經(jīng)網(wǎng)絡分析圖像在最近幾年極為流行，因為在圖像相關任務上的表現(xiàn)超過了其他許多方法。 奧胡斯大學密碼學PhD、Datadog機器學習工程師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：讓我們簡要介紹一下不同類型的卷積以及它們的優(yōu)點。反卷積，一些別的文章中把這個操作稱為解卷積，但這是不恰當?shù)模驗檫@不是一個解卷積過程。反卷積有點類似，因為它產(chǎn)生了假想的解卷積所能達到的相同的空間分辨率。反卷積執(zhí)行卷積，但恢復其空間變換...
摘要：卷積神經(jīng)網(wǎng)絡除了為機器人和自動駕駛汽車的視覺助力之外，還可以成功識別人臉，物體和交通標志。卷積卷積神經(jīng)網(wǎng)絡的名字來源于卷積運算。在卷積神經(jīng)網(wǎng)絡中，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，它為何重要？卷積神經(jīng)網(wǎng)絡（也...
摘要：深度學習使一系列計算機視覺任務的性能得到提升。最近的研究表明，在使用合成數(shù)據(jù)訓練以及對真實數(shù)據(jù)進行測試方面已經(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。 長期以來，深度學習使一系列計算機...
摘要：我們還了解到，許多科學家不編寫代碼，但對在自己的圖像分析工作中利用深度學習仍然感到非常興奮。后續(xù)發(fā)展基于深度學習的科學圖像分析方法將提高準確性減少手動參數(shù)調(diào)整，并且可能會帶來新認識。 許多科學成像應用（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算過程，非常有利于直觀理解它的結構。具體來說，是那些水平方向的邊緣。訓練過程可以自動完成這一工作。更進一步地說，這意味著每個膠囊含有一個擁有個值的數(shù)組，而一般我們稱之為向量。 CapsNet 將神經(jīng)元的...
摘要：如何進行操作本文將介紹在有道云筆記中用于文檔識別的實踐過程，以及都有些哪些特性，供大家參考。年月發(fā)布后，有道技術團隊第一時間跟進框架，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別的實踐過程。 這一兩年...
摘要：一個簡單的解釋是，在論文和論文中，恒等映射的輸出被添加到下一個模塊，如果兩個層的特征映射有著非常不同的分布，那么這可能會阻礙信息流。 在 AlexNet [1] 取得 LSVRC 2012 分類競賽冠軍之后，深度殘差網(wǎng)絡（Residual Network, 下文簡寫為 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。該項目上線天便獲得了個，并被了次。 當前的深度學習理論是由Geoffrey Hinton大神在2007年確立起來的，但是如今他卻認為，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器的輸出匯...
摘要：如果不一致，那么就出現(xiàn)了新的機器學習問題，如等。要解決獨立同分布的問題，理論正確的方法就是對每一層的數(shù)據(jù)都進行白化操作。變換為均值為方差為的分布，也并不是嚴格的同分布，只是映射到了一個確定的區(qū)間范圍而已。 深度神經(jīng)網(wǎng)絡模型訓練之難眾...
摘要：最普遍的變換是線性變換，即和均將規(guī)范化應用于輸入的特征數(shù)據(jù)，而則另辟蹊徑，將規(guī)范化應用于線性變換函數(shù)的權重，這就是名稱的來源。他們不處理權重向量，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)絡模型訓練之...
摘要：本文試圖揭開讓人迷惘的云霧，領悟背后的原理和魅力，品嘗這一頓盛宴。當然，激活函數(shù)本身很簡單，比如一個激活的全連接層，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)。 由深度學習先驅 Hinton 開...
摘要：過去的測試包括，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試了深度學習。使用數(shù)據(jù)集進行驗證時，基底細胞癌診斷的敏感度是。 人工智能目前在與專業(yè)醫(yī)生的能力對比上還罕有勝跡。但深度神經(jīng)網(wǎng)絡方法最近已經(jīng)可以...
摘要：在低端領域，在上訓練模型的價格比便宜兩倍。硬件定價價格變化頻繁，但目前提供的實例起價為美元小時，以秒為增量計費，而更強大且性能更高的實例起價為美元小時。 隨著越來越多的現(xiàn)代機器學習任務都需要使用GPU，了解不同GPU供應商的成本和性能trade-o...
摘要：近日，加州大學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的表征和預測進行解釋的論文。在此論文中，朱松純等研究者提出了一種新任務，也就是使用決策樹在語義層次上來量化解釋預測的邏輯。 近日，加州大學洛杉磯分校的朱松純教授等人發(fā)布了一...
摘要：是由華盛頓大學在讀博士陳天奇等人提出的深度學習自動代碼生成方法，去年月機器之心曾對其進行過簡要介紹。目前的堆棧支持多種深度學習框架以及主流以及專用深度學習加速器。 TVM 是由華盛頓大學在讀博士陳天奇等人提出的深度學習自動代碼生成方法，去...
ChatGPT和Sora等AI大模型應用，將AI大模型和算力需求的熱度不斷帶上新的臺階。哪里可以獲得...
大模型的訓練用4090是不合適的，但推理（inference/serving）用4090不能說合適，...
圖示為GPU性能排行榜，我們可以看到所有GPU的原始相關性能圖表。同時根據(jù)訓練、推理能力由高到低做了...
89542767
社區(qū)管理員
白馬嘯西風