文章庫(kù)ARTICLE COLUMN
摘要：福布斯昨日刊登專訪。生于英國(guó)，被認(rèn)為是機(jī)器學(xué)習(xí)的先鋒，現(xiàn)在是多倫多大學(xué)教授，谷歌高級(jí)研究員。但是，正如我所說，已經(jīng)跨越過了這一分水嶺。 《福布斯》昨日刊登Geoff Hinton專訪。游走在學(xué)術(shù)和產(chǎn)業(yè)的AI大神Hinton談到了自己研究興趣的起源、在多倫...
摘要：昨日，研究人員開源工具包，并表示這個(gè)工具包可快速建立有效且可重復(fù)使用的學(xué)習(xí)系統(tǒng)，從而促進(jìn)深度學(xué)習(xí)協(xié)同發(fā)展。支持機(jī)器學(xué)習(xí)與人工智能已經(jīng)出現(xiàn)很多年，它們的大多研究進(jìn)展已經(jīng)被公用研究數(shù)據(jù)集和更強(qiáng)大的計(jì)算機(jī)所支持尤其是。 昨日，F(xiàn)acebook 研究人...
摘要：這種無明確任務(wù)目標(biāo)的聊天機(jī)器人也可以稱作為開放領(lǐng)域的聊天機(jī)器人。此外，聊天機(jī)器人應(yīng)該給人個(gè)性表達(dá)一致的感覺。使用深度學(xué)習(xí)技術(shù)來開發(fā)聊天機(jī)器人相對(duì)傳統(tǒng)方法來說，整體思路非常簡(jiǎn)單并可擴(kuò)展。 作者：張俊林，中科院軟件所博士，技術(shù)書籍《這就是...
摘要：本屆會(huì)議共收到論文篇，創(chuàng)下歷史記錄有效篇。會(huì)議接收論文篇接收率。大會(huì)共有位主旨演講人。同樣，本屆較佳學(xué)生論文斯坦福大學(xué)的，也是使用深度學(xué)習(xí)做圖像識(shí)別。深度學(xué)習(xí)選擇深度學(xué)習(xí)選擇不過，也有人對(duì)此表示了擔(dān)心。指出，這并不是做學(xué)術(shù)研究的方法。...
摘要：分工各不相同，樹突的龐大組織作為神經(jīng)元的輸入，軸突則作為輸出。這對(duì)應(yīng)的是神經(jīng)網(wǎng)絡(luò)中神經(jīng)元的兩種狀態(tài)激活狀態(tài)和未激活狀態(tài)。輸入節(jié)點(diǎn)因?yàn)闆]有計(jì)算因?yàn)橛梅綁K表示，神經(jīng)元用深色圓形表示。模擬的能力首先考慮一個(gè)神經(jīng)元里的輸出與之間的關(guān)系。 1. 神...
摘要：局部最小存在，但是對(duì)于目標(biāo)函數(shù)而言，它非常接近全局最小，理論研究結(jié)果表明，一些大函數(shù)可能集中于指標(biāo)臨界點(diǎn)和目標(biāo)函數(shù)之間。 為了局部泛化，我們需要所有相關(guān)變化的典型范例。深度學(xué)習(xí)是學(xué)習(xí)多層次的表示，相當(dāng)于是多層次的抽象。如果我們能夠...
摘要：導(dǎo)讀這是神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)簡(jiǎn)史第一部分。實(shí)際上，神經(jīng)網(wǎng)絡(luò)準(zhǔn)確的說應(yīng)該是人工神經(jīng)網(wǎng)絡(luò)，就是多層感知機(jī)今天感知機(jī)通常被稱為神經(jīng)元而已，只不過在這個(gè)階段，只有一層輸出層。多層輸出的神經(jīng)網(wǎng)絡(luò)也可以想象一個(gè)與感知機(jī)不同的人工神經(jīng)網(wǎng)絡(luò)。 導(dǎo)讀：這...
摘要：多加了這兩層卷積層和匯集層是卷積神經(jīng)網(wǎng)絡(luò)和普通舊神經(jīng)網(wǎng)絡(luò)的主要區(qū)別。卷積神經(jīng)網(wǎng)絡(luò)的操作過程那時(shí)，卷積的思想被稱作權(quán)值共享，也在年和關(guān)于反向傳播的延伸分析中得到了切實(shí)討論。 導(dǎo)讀：這是《神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)簡(jiǎn)史》第二部分，這一部分我們會(huì)了...
摘要：強(qiáng)化學(xué)習(xí)這就是神經(jīng)網(wǎng)絡(luò)流行起來的地方。而且，我們也在這一范圍內(nèi)取得了強(qiáng)化學(xué)習(xí)史上最重要的成績(jī)之一一個(gè)學(xué)習(xí)并成為西洋雙陸棋玩家的神經(jīng)網(wǎng)絡(luò)。遞歸神經(jīng)網(wǎng)絡(luò)圖。 這是「神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)簡(jiǎn)史」的第三部分（第一部分，第二部分）。在這一部分，我們...
摘要：十三套框架助你玩轉(zhuǎn)機(jī)器學(xué)習(xí)技術(shù)在今天的文章中，我們將共同了解十三款機(jī)器學(xué)習(xí)框架，一部分去年剛剛發(fā)布另一部分則在不久前進(jìn)行了全部升級(jí)。目前該項(xiàng)目正積極添加對(duì)的支持能力，不過此類項(xiàng)目一般更傾向于直接面向各承載機(jī)器學(xué)習(xí)任務(wù)的主流環(huán)境。 導(dǎo)讀...
摘要：但實(shí)際上機(jī)器學(xué)習(xí)算法落地程序并不難寫，下面是行代碼實(shí)現(xiàn)的反向多層神經(jīng)網(wǎng)絡(luò)算法，也就是深度學(xué)習(xí)。神經(jīng)網(wǎng)絡(luò)的算法程序?qū)崿F(xiàn)神經(jīng)網(wǎng)絡(luò)的算法程序?qū)崿F(xiàn)分為初始化向前計(jì)算結(jié)果，反向修改權(quán)重三個(gè)過程。 對(duì)于現(xiàn)在流行的深度學(xué)習(xí)，保持學(xué)習(xí)精神是必要的——...
摘要：主流機(jī)器學(xué)習(xí)社區(qū)對(duì)神經(jīng)網(wǎng)絡(luò)興趣寡然。對(duì)于深度學(xué)習(xí)的社區(qū)形成有著巨大的影響。然而，至少有兩個(gè)不同的方法對(duì)此都很有效應(yīng)用于卷積神經(jīng)網(wǎng)絡(luò)的簡(jiǎn)單梯度下降適用于信號(hào)和圖像，以及近期的逐層非監(jiān)督式學(xué)習(xí)之后的梯度下降。 我們終于來到簡(jiǎn)史的最后一部分...
摘要：大數(shù)據(jù)與深度學(xué)習(xí)是一種蠻力盡管當(dāng)場(chǎng)說了很多觀點(diǎn)，但是最核心的還是援引了愛因斯坦關(guān)于上帝的隱喻。大數(shù)據(jù)與深度學(xué)習(xí)是一種蠻力在算法和模型上，我們是否能發(fā)明所有東西認(rèn)為，在機(jī)器學(xué)習(xí)的算法和模型上，我們并不能發(fā)明所有東西。 Facebook去年底挖來...
摘要：多種學(xué)科為神經(jīng)科學(xué)做出貢獻(xiàn)。對(duì)正常的心智功能如學(xué)習(xí)和記憶，以及異常功能如抑郁精神分裂和阿爾茨海默病，遺傳學(xué)鑒定了與之相關(guān)的基因。 大腦的未來，在作者的描述之下，真是一個(gè)令人興奮又令人擔(dān)憂的未來。——蒲慕明我是一個(gè)神經(jīng)科學(xué)家，也就是說，...
摘要：在與李世石比賽期間，谷歌天才工程師在漢城校區(qū)做了一次關(guān)于智能計(jì)算機(jī)系統(tǒng)的大規(guī)模深度學(xué)習(xí)的演講。而這些任務(wù)完成后，谷歌已經(jīng)開始進(jìn)行下一項(xiàng)挑戰(zhàn)了。谷歌深度神經(jīng)網(wǎng)絡(luò)小歷史谷歌大腦計(jì)劃于年啟動(dòng)，聚焦于真正推動(dòng)神經(jīng)網(wǎng)絡(luò)科學(xué)能達(dá)到的較先進(jìn)的技術(shù)。...
摘要：首先是最頂層的抽象，這個(gè)里面最基礎(chǔ)的就是和，記憶中和的抽象是類似的，將計(jì)算結(jié)果和偏導(dǎo)結(jié)果用一個(gè)抽象類來表示了。不過，本身并沒有像其它兩個(gè)庫(kù)一樣提供，等模型的抽象類，因此往往不會(huì)直接使用去寫模型。 本文將從deep learning 相關(guān)工具庫(kù)的使用...
摘要：大家好，我是黃文堅(jiān)，今天給大家講講深度學(xué)習(xí)。我們?cè)賮砜纯催@兩個(gè)深度學(xué)習(xí)的網(wǎng)絡(luò)，左邊是策略網(wǎng)絡(luò)，我走到一步的時(shí)候，分析棋盤上每個(gè)位置有多大價(jià)值，給每個(gè)位置打一個(gè)分?jǐn)?shù)?？梢哉f深度學(xué)習(xí)讓機(jī)器人擁有幾歲小孩拾起物體的能力。 大家好，我是黃文堅(jiān)...
摘要：簡(jiǎn)稱是為和編寫的較早的商業(yè)級(jí)開源分布式深度學(xué)習(xí)庫(kù)。這一靈活性使用戶可以根據(jù)所需，在分布式生產(chǎn)級(jí)能夠在分布式或的基礎(chǔ)上與和協(xié)同工作的框架內(nèi)，整合受限玻爾茲曼機(jī)其他自動(dòng)編碼器卷積網(wǎng)絡(luò)或遞歸網(wǎng)絡(luò)。 Deeplearning4j（簡(jiǎn)稱DL4J）是為Java和Scala編...
摘要：年月在主辦的的演講，談數(shù)據(jù)科學(xué)家需要知道的深度學(xué)習(xí)知識(shí)。當(dāng)時(shí)還演示了機(jī)器看圖說話，機(jī)器問答，，的效果。其中就是個(gè)，能實(shí)時(shí)對(duì)人臉做建模，替換其他的鬼臉，他開玩笑說趕在萬圣節(jié)之前上線，以后都不要買道具，一秒變鬼畜。 2015年12月 Andrew Ng在I...
摘要：在本文中，我將用裸體檢測(cè)問題來展示訓(xùn)練現(xiàn)代版的卷積神經(jīng)網(wǎng)絡(luò)模型與過去的研究有何區(qū)別。論文在年代中期發(fā)表，它反映了計(jì)算機(jī)視覺研究者們?cè)谑褂镁矸e神經(jīng)網(wǎng)絡(luò)之前所做的典型工作。 著名人工智能公司Clarifai近日推出了識(shí)別成人內(nèi)容的模型和API NSFW，...
摘要：深度學(xué)習(xí)理論在機(jī)器翻譯和字幕生成上取得了巨大的成功。在語音識(shí)別和視頻，特別是如果我們使用深度學(xué)習(xí)理論來捕捉多樣的時(shí)標(biāo)時(shí)，會(huì)很有用。深度學(xué)習(xí)理論可用于解決長(zhǎng)期的依存問題，讓一些狀態(tài)持續(xù)任意長(zhǎng)時(shí)間。 Yoshua Bengio，電腦科學(xué)家，畢業(yè)于麥吉爾...
摘要：年的深度學(xué)習(xí)研討會(huì)，壓軸大戲是關(guān)于深度學(xué)習(xí)未來的討論。他認(rèn)為，有潛力成為深度學(xué)習(xí)的下一個(gè)重點(diǎn)。認(rèn)為這樣的人工智能恐懼和奇點(diǎn)的討論是一個(gè)巨大的牽引。 2015年ICML的深度學(xué)習(xí)研討會(huì)，壓軸大戲是關(guān)于深度學(xué)習(xí)未來的討論。基于平衡考慮，組織方分別...
摘要：相反深度學(xué)習(xí)的對(duì)抗樣本是由于模型的線性特征。所以通過對(duì)抗訓(xùn)練能夠提高深度學(xué)習(xí)的對(duì)于對(duì)抗樣本的抗干擾能力。此外，指出，人類并不會(huì)像現(xiàn)代機(jī)器學(xué)習(xí)算法那樣被對(duì)抗樣本所影響。 2006 年，Geoffrey Hinton 提出了深度學(xué)習(xí)。受益于大數(shù)據(jù)的出現(xiàn)和大規(guī)模...
摘要：言簡(jiǎn)意賅地說，我們的這款即時(shí)視覺翻譯，用到了深度神經(jīng)網(wǎng)絡(luò)，技術(shù)。您是知道的，深度學(xué)習(xí)的計(jì)算量是不容小覷的。因?yàn)槿绻址で冗^大，為了識(shí)別它，神經(jīng)網(wǎng)絡(luò)就會(huì)在過多不重要的事物上，使用過高的信息密度，這就大大增加深度神經(jīng)網(wǎng)絡(luò)的計(jì)算量。 ...
摘要：遞歸神經(jīng)網(wǎng)絡(luò)有一些不可思議的地方，有些時(shí)候，模型與你期望的相差甚遠(yuǎn)，許多人認(rèn)為是非常難訓(xùn)練，那么究竟是什么呢就有這篇文章來帶給大家。遞歸神經(jīng)網(wǎng)絡(luò)有一些不可思議的地方。但是我們正在不斷超越自己那么究竟是什么呢遞歸神經(jīng)網(wǎng)絡(luò)序列。 遞歸神經(jīng)...
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...
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，...
圖示為GPU性能排行榜，我們可以看到所有GPU的原始相關(guān)性能圖表。同時(shí)根據(jù)訓(xùn)練、推理能力由高到低做了...
89542767
社區(qū)管理員
白馬嘯西風(fēng)