直播训练营

鸿蒙开发者社区

WOT技术大会

AIGC创新中国行

公众号矩阵

移动端

短视频免费课程课程排行直播课软考学堂

全部课程厂商认证 IT技术 2024年软考 PMP项目管理软考资讯

文章资源问答课堂专栏直播

51CTO

鸿蒙开发者社区

51CTO技术栈

51CTO官微

51CTO学堂

51CTO博客

CTO训练营

鸿蒙开发者社区订阅号

51CTO题库小程序

51CTO学堂APP

51CTO学堂企业版APP

鸿蒙开发者社区视频号

账号设置退出

深度学习

1628内容

关注

涵盖深度学习相关模型、框架、开发与应用知识。

文章博文课程

共 1628 条

主搜索与店铺内搜索联合优化的初步探索与尝试原创

基于数据驱动的机器学习和优化技术目前大量的应用于这些场景中，并已经取得了不错的效果——在单场景内的A/B测试上，点击率、转化率、成交额、单价都能看到显著提升。

2018-01-23 10:29:50

主搜索店铺搜索

PaddlePaddle与TensorFlow的对比分析原创

本文主要从框架概览、系统架构、编程模型、分布式架构、框架对比这五大方面比较TensorFlow和PaddlePaddle框架。

2018-01-21 14:11:22

人工智能 PaddlePaddl Tensorflow

百度上线“逆天”新工具Visual DL 可适用于各大深度学习框架

1月17日，百度PaddlePaddle & ECharts团队宣布上线深度学习可视化工具Visual DL，该工具可以使得深度学习任务变得生动形象，实现可视分析。百度希望能够借此为全球更广泛的用户提供更便捷高效的深度学习工具。

2018-01-18 08:48:56

百度工具深度学习

2017年顶级数据科学与机器学习方法排行榜译文

根据统计，目前受访者选择的最常用方法包括回归、聚类、可视化、决策树/规则以及随机森林; 只有20%的受访者使用深度学习方法; 我们同时对各种方法在“行业”与“学术”层面的普及度进行了汇总。

2018-01-17 18:06:56

数据科学机器学习排名

干货 | 卷积神经网络入门这一篇就够了

卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。20世纪60年代，Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效地降低反馈神经网络的复杂性，继而提出了卷积神经网络（Convolutional Neural Networks-简称CNN）。

2018-01-17 09:32:45

人工智能卷积神经网络 CNN

人工智能（AI）中国领跑全世界，多项技术全球领先

人工智能是一场革命，最终将超越工业革命的规模和速度。谷歌已经选择北京作为其，在亚洲第一个人工智能研究中心的位置。美国政府，企业集团和智库指责试图通过迫使外国公司交出其知识产权来缩短国内产业的发展。谷歌表示，中国已经从事全球顶级产品的研发工作，如果担心知识产权被盗，这将不会增加新的研究能力。

2018-01-15 14:46:25

人工智能深度学习人脸识别

从零开始：你也能创建随时可用神经网络

本文将使用Clojure和Cortex进行机器学习。你将学习如何从头开始创建易于理解和随时可用的神经网络，以及使用经过训练的网络REPL与LISP获得即时结果。

2018-01-09 10:05:55

神经网络 Clojure Cortex

Yann LeCun爆惊人言论：深度学习已死，可微分编程万岁！

深度学习领域最知名的学者之一 Yann LeCun 今日在自己 facebook 上发表的一篇短文，瞬间引爆了国内人工智能关注者们的朋友圈。

2018-01-08 07:58:51

深度学习编程人工智能

浅析深度学习在实体识别和关系抽取中应用

命名实体识别（Named Entity Recognition，NER）就是从一段自然语言文本中找出相关实体，并标注出其位置以及类型，如下图。命名实体识别是NLP领域中的一些复杂任务的基础问题，诸如自动问答，关系抽取，信息检索等，其效果直接影响后续处理的效果，因此是NLP研究的一个基础问题。

2018-01-04 15:50:44

深度学习自然语言机器学习

别忽视深度学习的种种问题，Gary Marcus 泼冷水义不容辞

圣诞-元旦长假刚过，Gary Marcus 在 arXiv 上传了一篇论文，对现在火热的深度学习的现状进行了全面的、而且一点都不乐观的分析。他在论文中针对现在火热的深度学习指出了十个问题，这十个问题简单介绍请看正文。

2018-01-04 13:21:10

深度学习人工智能数据

详解如何用深度学习消除背景，实现抠图

在机器学习方兴未艾的过去几年里，我一直想要亲自开发具有实用价值且基于机器学习的产品。然后几个月前，在我学习了由 Fast.AI 所提供的深度学习课程之后，我意识到机会来了。当前的机遇是：深度学习的技术优势使得许多之前不能完成的事情变得可能，并且还有许多新兴工具被开发出来，这使得深度学习的部署过程变得更加简单。

2018-01-03 10:00:39

深度学习抠图消除背景

PaddlePaddle深度学习开源平台：等待众人划桨的中国AI大船原创

十年前，当我在学校跟着老板苦哈哈地做图像识别的时候，我想不到十年后的今天机器学习技术有了如此长足的发展，而AI的概念也由之深入人心。

2017-12-28 12:14:03

百度 AI 深度学习

干货｜多重预训练视觉模型的迁移学习

本文介绍的是基于Keras Tensorflow抽象库建立的迁移学习算法模型，算法简单、易于实现，并且具有很好的效果。

2017-12-26 13:53:31

深度学习迁移学习

深度学习，如何用去噪自编码器预测原始数据？

去噪自编码器（denoising autoencoder, DAE）是一类接受损坏数据作为输入，并训练来预测原始未被损坏数据作为输出的自编码器。

2017-12-26 10:48:37

深度学习原始数据

你所不能不知道的CNN

说起CNN，最初人们想到的都是某电视台，但等过几年，人们想起的多半是深度学习了。应该说， CNN是这两年深度学习风暴的罪魁祸首，自2012年，正是它让打入冷宫的神经网络重见天日并且建立起自己在人工智能王国的霸主地位。

2017-12-25 13:26:36

CNN 深度学习网络

除了深度学习，你还应该了解这些发展方向

这里我们将讲述一个触手可及的、更近的未来，讨论一些新兴的并且强大的 AI 算法。我认为，这些算法正在塑造 AI 不远的将来。

2017-12-22 10:48:00

AI 深度学习迁移学习

深度神经网络为何很难训练？

实际上，在某种程度上看，他们的客户并没有太疯狂。假设你可以使用某种特殊的逻辑门，它让你对任意多的输入做AND运算。同样也能使用多输入的NAND门——可以对多个输入做AND运算并取负的门。有了这类特殊的门，构建出来的两层深度的电路可以计算任何函数。

2017-12-22 08:47:41

神经网络 AND 运算

为什么要利用NLP做情感分析？

多数人不能准确把握人类的情感变化，我也不例外，但是计算机却可以做到这一点。基于上面的事实，我们要讲述一件你也许已经熟知的机器学习分支——自然语言处理（NLP）,这听起来很像计算机试图学习并理解我们平时说的“自然语言”。但是我们并不满足于此，我们要做一件神奇的事，那就是“情感分析”。

2017-12-20 09:52:50

深度学习自然语言处理情感分析

为什么大家都不戳破深度学习的本质？！

自从去年 AlphaGo 完虐李世乭，深度学习火了。但似乎没人说得清它的原理，只是把它当作一个黑箱来使。有人说，深度学习就是一个非线性分类器？有人说，深度学习是对人脑的模拟……但我觉得都没有捅透那层窗户纸。

2017-12-15 14:10:20

深度学习本质边缘识别

基于神经网络的恶意软件检测分析

对于目前的所有行业来说，“如何有效地检测恶意软件”已经成为了大家共同的网络安全问题，而使用机器学习来对恶意软件的原始字节序列进行分析和识别并以此来进行恶意软件监测，将会是机器学习社区中一个富有前景的研究领域。

2017-12-14 21:17:24

神经网络恶意软件机器学习

如何使用CNN推理机在IoT设备上实现深度学习？

通过深度学习技术，物联网（IoT）设备能够得以解析非结构化的多媒体数据，智能地响应用户和环境事件，但是却伴随着苛刻的性能和功耗要求。本文作者探讨了两种方式以便将深度学习和低功耗的物联网设备成功整合。

2017-12-07 11:00:06

深度学习 CNN 物联网设备

如何用深度学习处理结构化数据？

在机器学习/深度学习或任何类型的预测建模任务中，都是先有数据然后再做算法/方法。这也是某些机器学习方法在解决某些特定任务之前需要做大量特征工程的主要原因，这些特定任务包括图像分类、NLP 和许多其它「非常规的」数据的处理——这些数据不能直接送入 logistic 回归模型或随机森林模型进行处理。

2017-12-06 15:46:31

深度学习结构化数据 NLP

深度学习也解决不掉语音识别问题

自从深度学习被引入语音识别后，误字率迅速下降。不过，虽然你可能读到过一些相关文章，但其实语言识别仍然还没有达到人类水准。语音识别已经有了很多失败的模式。而要将 ASR（自动语音识别）从仅在大部分时间适用于一部分人发展到在任何时候适用于任何人，唯一的方法就是承认这些失败并采取措施解决它们。

2017-12-05 15:32:44

深度学习语音识别

深度学习和普通机器学习之间有何区别？

本质上，深度学习提供了一套技术和算法，这些技术和算法可以帮助我们对深层神经网络结构进行参数化——人工神经网络中有很多隐含层数和参数。深度学习背后的一个关键思想是从给定的数据集中提取高层次的特征。因此，深度学习的目标是克服单调乏味的特征工程任务的挑战，并帮助将传统的神经网络进行参数化。

2017-12-04 14:32:36

深度学习机器学习

做AI必须要知道的十种深度学习方法

不管是AI也好，其他学科也好，学习、研究的过程中不断反思学科的历史，总结学科的发展现状，找出最重要的理念，总能让人能“吾道一以贯之”。软件工程师James Le近期根据他研究的经验总结出了AI研究必须要知道的十种深度学习方法，非常具有启发性。

2017-12-01 17:35:02

AI 深度学习方法

TensorFlow广度和深度学习的教程

在这篇文章中，我们将会介绍如何使用 TF.Learn API 同时训练一个广度线性模型和一个深度前馈神经网络。这种方法结合了记忆和泛化的优势。它在一般的大规模回归和具有稀疏输入特性的分类问题（例如，分类特征存在一个很大的可能值域）上很有效。

2017-12-01 15:24:04

TensorFlow 深度学习教程

神经网络算法的优势与应用

人工神经网络（ANN）以大脑处理机制作为基础，开发用于建立复杂模式和预测问题的算法。

2017-11-30 18:05:18

神经网络算法

带你深入剖析递归神经网络

递归神经网络（RNN）是一类神经网络，包括一层内的加权连接。因为 RNN 包含循环，所以它们可以在处理新输入的同时存储信息。这种记忆使它们非常适合处理必须考虑事先输入的任务。由于这个原因，目前的深度学习网络均以 RNN 为基础。本教程将探索 RNN 背后的思想，并从头实现一个 RNN 来执行序列数据预测。

2017-11-29 14:41:48

神经网络递归神经网络 RNN

一文搞懂RNN（循环神经网络）基础篇

本文讲解了RNN最基本的几个知识点，能够帮助大家直观的感受RNN和了解为什么需要RNN，后续总结它的反向求导知识点。

2017-11-29 13:55:55

神经网络循环神经网络 RNN

用深度学习和树搜索进行从零开始的既快又慢的学习

本文介绍了来自伦敦大学学院（UCL）Thomas Anthony、Zheng Tian 与 David Barber 的深度学习与树搜索研究。

2017-11-28 11:34:29

深度学习树搜索二元处理机制

食品工业中的人工智能：赋予农民决策权

大家认为人工智能是否可以优化食物系统?从精准耕作到个性化营养，在农业、食品生产和食品消费方面有许多潜在的技术应用。但是，技术性能、用户的接受程度以及该技术的实际应用仍然构成挑战。Chiara Cecchini调查了这一细分领域的主要挑战和机遇，探索如何利用人造大脑的使用来确保健康生活并促进幸福。

2017-11-28 10:43:00

人工智能农业神经网络

如何用TensorFlow在安卓设备上实现深度学习推断

在 Insight 任职期间，我用 TensorFlow 在安卓上部署了一个预训练的 WaveNet 模型。我的目标是探索将深度学习模型部署到设备上并使之工作的工程挑战！这篇文章简要介绍了如何用 TensorFlow 在安卓上构建一个通用的语音到文本识别应用程序。

2017-11-27 17:29:43

深度学习 TensorFlow 安卓设备

深入浅出解读卷积神经网络

卷积神经网络和全连接的神经网络结构上的差异还是比较大的，全连接的网络，相邻两层的节点都有边相连，而卷积神经网络，相邻节点只有部分节点相连。

2017-11-24 11:10:39

神经网络卷积神经网络全连接神经网络

黑箱难题仍在阻碍深度学习的普及

当前，深度学习扛起了人工智能的大旗，让我们得以一窥智能机器在将来的能耐。但深度学习有个不小的问题：没人知道它是如何运作的。我们并不是对深度学习一无所知。作为当今神经网络的核心，机器学习算法已经发展了几十年，它定义完善，文献丰富。

2017-11-24 08:30:25

深度学习机器学习黑箱难题

自创数据集，用TensorFlow预测股票教程

本文非常适合初学者了解如何使用 TensorFlow 构建基本的神经网络，它全面展示了构建一个 TensorFlow 模型所涉及的概念与模块。本文所使用的数据集可以直接下载，所以有一定基础的读者也可以尝试使用更强的循环神经网络处理这一类时序数据。

2017-11-24 08:00:06

深度学习 TensorFlow 预测股票

使用深度学习来预测NBA比赛结果

这篇文章，我们来使用深度学习来预测 NBA 比赛结果。要用深度学习来预测比赛结果，需要有大量技术统计数据作为学习样本。

2017-11-23 14:49:51

深度学习 NBA 数据

CNN与RNN对中文文本进行分类--基于TENSORFLOW实现

本文是基于TensorFlow在中文数据集上的简化实现，使用了字符级CNN和RNN对中文文本进行分类，达到了较好的效果。

2017-11-23 14:35:36

深度学习 TENSORFLOW CNN

深度学习的异构加速技术（二）：螺狮壳里做道场

无论在FPGA还是ASIC设计，无论针对CNN还是LSTM与MLP，无论应用在嵌入式终端还是云端（TPU1），其构架的核心都是解决带宽问题。不解决带宽问题，空有计算能力，利用率却提不上来。

2017-11-21 12:02:03

深度学习异构技术

深度学习的异构加速技术（一）：AI 需要一个多大的“心脏”？

作为通用处理器，CPU (Central Processing Unit) 是计算机中不可或缺的计算核心，结合指令集，完成日常工作中多种多样的计算和处理任务。然而近年来，CPU在计算平台领域一统天下的步伐走的并不顺利，可归因于两个方面，即自身约束和需求转移。

2017-11-21 10:35:14

深度学习异构加速

深度强化学习入门：用TensorFlow构建你的第一个游戏AI

强化学习起初看似非常有挑战性，但其实要入门并不困难。在这篇文章中，我们将创造一个基于 Keras 的简单机器人，使它能玩 Catch 游戏。

2017-11-21 09:20:06

深度学习 TensorFlow 游戏AI

AI实践者需要掌握的10大深度学习方法：反向传播、迁移学习、梯度下降……

本文总结了10个强大的深度学习方法，包括反向传播、随机梯度下降、学习率衰减、Dropout、最大池化、批量归一化、长短时记忆、Skip-gram、连续词袋、迁移学习等，这是AI工程师可以应用于他们的机器学习问题的。

2017-11-20 13:46:10

AI 深度学习方法

一文概览深度学习中的激活函数

本文从激活函数的背景知识开始介绍，重点讲解了不同类型的非线性激活函数：Sigmoid、Tanh、ReLU、LReLU、PReLU、Swish，并详细介绍了这些函数的优缺点。

2017-11-20 05:08:16

深度学习激活函数神经网络

一篇文章讲清楚人工智能、机器学习和深度学习的区别与联系

人工智能的浪潮正在席卷全球，诸多词汇时刻萦绕在我们耳边：人工智能、机器学习、深度学习。不少人对这些高频词汇的含义及其背后的关系总是似懂非懂、一知半解。为了帮助大家更好地理解人工智能，这篇文章用最简单的语言解释了这些词汇的含义，理清它们之间的关系，希望对刚入门的同行有所帮助。

2017-11-17 08:39:40

人工智能机器学习深度学习

移动设备上的实时深度学习

2017年，在移动应用的深度学习方面取得了一些重大进展。2017年4月，谷歌发布了轻量级神经网络MobileNets。2017年6月，苹果公司发布了Core ML，支持在移动设备上运行机器学习模型。除此之外，最近发布的一些高端设备配备了GPU，它们运行机器学习甚至比MacBook Pro还要快。

2017-11-16 17:26:35

深度学习移动设备 MobileNets应

超越Softmax瓶颈：一种高秩RNN语言模型

在因式分解(factorization)的基础上，基于循环神经网络(RNN)的语言模型在多项基准上都达到了当前最佳的水平。尽管 RNN 作为通用近似器有出色的表达能力，但点积和 Softmax 的组合是否有能力建模条件概率(会随语境的变化而发生巨大的变化)，这个问题还没有得到清楚的解答。

2017-11-15 19:00:49

深度学习 Softmax RNN语言模型

深度学习高手该怎样炼成？这位阿里天池大赛冠军为你规划了一份专业成长路径

深度学习本质上是深层的人工神经网络，它不是一项孤立的技术，而是数学、统计机器学习、计算机科学和人工神经网络等多个领域的综合。深度学习的理解，离不开本科数学中最为基础的数学分析(高等数学)、线性代数、概率论和凸优化;深度学习技术的掌握，更离不开以编程为核心的动手实践。没有扎实的数学和计算机基础做支撑，深度学习的技术突破只能是空中楼阁。

2017-11-13 14:38:53

深度学习神经网络数学

如何使用TensorFlow和自编码器模型生成手写数字

自编码器是一种能够用来学习对输入数据高效编码的神经网络。若给定一些输入，神经网络首先会使用一系列的变换来将数据映射到低维空间，这部分神经网络就被称为编码器。

2017-11-10 12:45:16

TensorFlow Python 神经网络

深度学习在单图像超分辨率上的应用：SRCNN、Perceptual loss、SRResNet

单图像超分辨率技术涉及到增加小图像的大小，同时尽可能地防止其质量下降。这一技术有着广泛用途，包括卫星和航天图像分析、医疗图像处理、压缩图像/视频增强及其他应用。我们将在本文借助三个深度学习模型解决这个问题，并讨论其局限性和可能的发展方向。

2017-11-10 11:02:36

深度学习单图像超分辨率 SRCNN

23个热门深度学习库的排名

基于 Github 和 Stack Overflow 上的活跃度以及 Google 搜索结果，The Data Incubator 最近制作了一个 23 个热门深度学习库的排名。

2017-11-08 14:26:54

深度学习库排名

神经学家的探寻：这就是机器如何拥有意识的方法

日前，法兰西学院的认知科学家斯坦尼斯拉斯·迪昂、加州大学洛杉矶分校的Hakwan Lau和巴黎文理研究大学的希德·库韦德尔共同在著名的《科学》杂志上发表了一篇评论文章，他们认为：虽然机器现在还没有意识，但未来已有一条清晰的发展道路。

2017-11-07 11:13:04

意识机器人神经科学

上一页 1 ··· 26 27 28 29 30 ··· 33 下一页

51CTO技术栈公众号

业务
速览

媒体

51CTO CIOAge HC3i

社区

51CTO博客鸿蒙开发者社区

教育

51CTO学堂精培企业培训 CTO训练营