51CTO首页
AI.x社区
博客
学堂
精品班
直播训练营
企业培训
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
在线学习
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  
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
入门级攻略：机器学习 VS. 深度学习
本文以浅显易懂的语言介绍了机器学习和深度学习的定义及应用，以及在源数据要求，硬件支持，特征工程、问题解决方式、执行时间及可解释性等方面的区别，对于新手入门有很大启示意义。

2017-05-10 09:26:41

机器学习深度学习
深度学习的“深度”有什么意义?
深度学习的”深度”， 早几年讨论的挺多的，身边有不同的理解：深度=更大规模的网络，也有认为：深度=更抽象的特征，近年来物理上也有人侧面显示：深度=玻璃相转变，如果后者的观点成立，那么仅仅引入GPU甚至FPGA硬件的目的只是加快， 没有算法的帮助(调参也算一种算法，后面会解释)是不会加深的!

2017-05-08 16:13:33

深度学习神经网络深度
深度学习的时间序列模型评价
这次主要说最近发展的无监督特征学习和深入学习，其对于时间序列模型问题的评价。这次主要概述了时间序列数据存在的特殊挑战，并提供了工作的评价，其含有把时间序列应用到非监督特征学习算法或者是有选择的促成特征学习算法的变动去考虑目前时间序列数据的挑战。

2017-05-08 14:42:36

深度学习神经网络时间序列
TensorFlow上手要点都总结在这儿了，你还有理由偷懒吗？
本文作者 Steven Dufresne，总结了新手学 TensorFlow 需要的核心知识点和实操内容，旨在鼓励更多人借 TensorFlow 迈入深度学习殿堂 。作为基础入门教程，该教程从 TensorFlow 原理简介讲到上手操作，对核心概念逐条解释，非常适合基础薄弱、苦无入门途径的新手。

2017-05-08 11:02:59

TensorFlow神经网络深度学习
自然语言处理领域的核心：序列学习
生活中所有的实物都与时间有关，从而形成了一个序列，在这一篇当中，我们将一起认识自然语言处理领域的核心：序列学习。

2017-05-05 15:34:49

自然语言处理
深度学习10大框架对比分析
在 BEEVA Labs，我们常常需要应对许多不同的深度学习库，所以我希望能够将我们的发现和感想分享出来，帮助那些刚刚进入深度学习这一美丽世界的人。

2017-05-05 10:15:38

深度学习框架对比分析
如何给非专业人士讲解什么是深度学习？
深度学习就是这样一种在表达能力上灵活多变，同时又允许计算机不断尝试，直到最终逼近目标的一种机器学习方法。

2017-05-05 09:13:07

深度学习AI决策树
如何从信号分析角度理解卷积神经网络的复杂机制？
RECOS 模型用信号分析的角度为我们剖析了卷积神经网络。从这个角度来看，我们可以看到激活函数和深度架构的有效性。然而，以下几个方面仍需要重点研究：网络架构设计、弱监督学习、对错误标签的鲁棒性、数据集偏差和过拟合问题等。

2017-05-05 08:57:06

卷积神经网络机制
当知识图谱“遇见”深度学习
近日，Tartu大学计算机科学系计算神经学小组的学者在robohub网站发表文章，阐述了他们对DeepMind人工智能算法的复现。在arXiv发表的原始论文中，描述了一个单个的网络，它能够自我学习从而自动的玩一些老的电视游戏。它仅仅通过屏幕上面的图像和游戏中的分数是否上升下降，从而做出选择性的动作。

2017-05-04 13:18:18

深度学习知识图谱
如何给非专业人士讲解什么是深度学习？
文对深度学习的概念阐述刻意避免了数学公式和数学论证，这种用水管网络来普及深度学习的方法只适合一般公众。对于懂数学、懂计算机科学的专业人士来说，这样的描述相当不完备也不精确。流量调节阀的比喻与深度神经网络中每个神经元相关的权重调整，在数学上并非完全等价。对水管网络的整体描述也有意忽略了深度学习算法中的代价函数、梯度下降、反向传播等重要概念。专业人士要学习深度学习，还是要从专业教程看起。

2017-05-04 13:11:28

深度学习AI
是什么让深度学习能够深入世界并改变世界？
受人类大脑的生物学习过程的启发，科学家们研究出了人工神经网络(ANN)。“深度学习”指的是由许多层网络层组成的人工神经网络。它是机器学习中发展最快的领域。它使用包括多层网络层的深层神经网络(DNN)来学习表征和抽象，从而理解图像、声音和文本等数据。

2017-05-03 08:19:04

深度学习世界ANN网络
浅谈深度学习的基本概念和方法
本文旨在提供直观简明的深度学习引导，涵盖深度学习的基本概念，而不涉及很多数学和理论细节。当然如果要做更深入的研究，数学肯定是必不可少的，但是本系列主要还是用图片和类比等方式，帮助初学者快速建立大局观。

2017-05-02 14:45:11

深度学习机器学习人工神经网络
游戏中的深度学习与人工智能
本文是作者跟大家分享的内容是深度学习在游戏AI中的应用这样一个话题。

2017-05-02 13:45:14

人工智能深度学习游戏
数据平台上的计算能力：哪些GPU更适合深度学习和数据库？
GPU和AI越来越火，引起了大批投资者和开发者的注意。百度前首席科学家Andrew Ng提到，AI的春天已经到来，其重要因素之一是GPU处理能力，能让神经网络的智能可以随数据增加而提升，突破了过去的AI所能达到的平台。

2017-05-02 11:47:17

深度学习AI
用几何学提升深度学习模型性能，是计算机视觉研究的未来
深度学习使计算机视觉得以蜕变。如今，绝大多数问题的最佳解决方案是基于端到端的深度学习模型，尤其是当卷积神经网络倾向于开箱即用后便深受青睐。但这些模型主要为大型黑箱，其透明度很差。

2017-05-02 09:54:03

深度学习几何学计算机
一文详解深度神经网络中的对抗样本与学习
最近大半年，人工智能领域成为科技领域提到的最多的名词之一。在kdnuggets此前发布的文章 (Deep Learning’s Deep Flaws)’s Deep Flaws 中，深度学习大神Yoshua Bengio和他的博士生、Google科学家Ian Goodfellow在评论中与作者就深度学习对抗样本(Adversarial Examples)展开了热烈的讨论，kdnuggets编辑邀请Ian Goodfellow撰文详解他的观点以及他在这方面的工作。那么什么是对抗样本，对抗样本又是如何生成的呢?

2017-04-26 14:32:24

神经网络人工智能对杭样本
看得“深”、看得“清” —— 深度学习在图像超清化的应用
日复一日的人像临摹练习使得画家能够仅凭几个关键特征画出完整的人脸。同样地，我们希望机器能够通过低清图像有限的图像信息，推断出图像对应的高清细节，这就需要算法能够像画家一样“理解”图像内容。至此，传统的规则算法不堪重负，新兴的深度学习照耀着图像超清化的星空。

2017-04-26 13:50:26

深度学习图像超清应用
CNN浅析和历年ImageNet冠军模型解析
今天在这里我给大家讲解一些深度学习中卷积神经网络的原理和一些经典的网络结构。

2017-04-26 13:10:50

CNNImageNet深度学习
卷积神经网络实战——使用keras识别猫咪
深度学习领域的卷积神经网络(CNNs或ConvNets)在各行各业为我们解决了大量的实际问题。但是对于大多数人来说，CNN仿佛戴上了神秘的面纱。我经常会想，要是能将神经网络的过程分解，看一看每一个步骤是什么样的结果该有多好!这也就是这篇博客存在的意义。

2017-04-26 09:30:53

卷积神经网络实战
如何用PyTorch实现递归神经网络？
PyTorch 是 Facebook AI Research 和其它几个实验室的开发人员的成果，该框架结合了 Torch7 高效灵活的 GPU 加速后端库与直观的 Python 前端，它的特点是快速成形、代码可读和支持最广泛的深度学习模型。

2017-04-26 08:31:10

神经网络自然语言PyTorch
Caffe的深度学习训练全过程
今天的目标是使用Caffe完成深度学习训练的全过程。Caffe是一款十分知名的深度学习框架，由加州大学伯克利分校的贾扬清博士于2013年在Github上发布。自那时起，Caffe在研究界和工业界都受到了极大的关注。Caffe的使用比较简单，代码易于扩展，运行速度得到了工业界的认可，同时还有十分成熟的社区。

2017-04-25 18:03:11

Caffe深度学习框架
深度卷积神经网络在目标检测中的进展
近些年来，深度卷积神经网络(DCNN)在图像分类和识别上取得了很显著的提高。回顾从 2014 到 2016 这两年多的时间，先后涌现出了 R-CNN，Fast R-CNN, Faster R-CNN, ION, HyperNet, SDP-CRC, YOLO,G-CNN, SSD 等越来越快速和准确的目标检测方法。

2017-04-25 15:12:45

神经网络SSD检测
漫谈四种神经网络序列解码模型以及示例代码
利用通俗的语言来谈谈神经网络模型中4种序列解码模型，主要是从整体概念和思路上进行通俗解释帮助理解。

2017-04-25 08:26:39

神经网络解码
深度学习利器：TensorFlow系统架构及高性能程序设计
2015年11月9日谷歌开源了人工智能平台TensorFlow，同时成为2015年最受关注的开源项目之一。经历了从v0.1到v0.12的12个版本迭代后，谷歌于2017年2月15日发布了TensorFlow 1.0 版本，并同时在美国加州山景城举办了首届TensorFlow Dev Summit会议。

2017-04-24 14:09:13

深度学习TensorFlow
七步让你实践深度学习
我们工作中经常会问： “深度学习该从哪里学起?” 虽然网上已经有点了大量的免费课程，但是冗杂的信息太多。为了帮助你进入深度学习的“坑”，我们整理了以下这些资源。

2017-04-21 14:21:53

深度学习神经网络
理解深度学习的钥匙–参数篇
这是你所有看到的有关神经网络参数的理解中最通俗易懂的一个了，公式也减到了最少，神经网络的专业人士绕道哦。

2017-04-19 09:15:57

深度学习
英伟达推出高性能Jetson TX2，加快深度学习在终端设备上的布局
etson TX2 芯片将会应用于更多的场景，包括城市安保、智能无人机、海洋观测、智能农业、工业和商用机器人等领域有着广阔的前景。在嵌入式设备的计算芯片上，他们拥有无与伦比的优势。

2017-04-18 20:33:17

英伟达NVIDIATX1
一文看懂神经网络工作原理
本文带来对深度神经网络的通俗介绍。

2017-04-17 13:10:09

神经网络人工智能网络
Facebook的交互式神经网络可视化系统ActiVis，打开神经网络的“黑盒子”
对于老式机器学习模型而言，这问题不大;但是如今对于非线性隐匿式数据结构和无数参数而言，这却是个问题。对于为科学应用部署神经网络的研究人员而言，黑盒子缺乏再现性(reproducibility)这个问题带来了验证方面的障碍，不过对于深度学习框架的生产级用户来说，因缺乏可见性而无法深入了解网络行为还存在其他问题，尤其是在优化模型，以获得更好的性能、效率和准确性方面。

2017-04-17 10:25:29

神经网络可视化ActiVis
深度学习概述：从感知机到深度网络
AI尤其是机器学习领域出现的一股新潮流很大程度上推动了这次复兴——深度学习。本文中我将介绍深度学习背后的关键概念及算法，从最简单的元素开始并以此为基础进行下一步构建。

2017-04-14 08:58:55

深度学习感知机深度网络
理解深度学习的钥匙 –启蒙篇
由于理解深度学习的前提是理解神经网络，因此，笔者会试着写三篇文章，分别是启蒙篇，参数篇及总结篇，深入浅出的给出我的理解，所有的资料都来自网上电子书《Neural Networks and Deep Learning》，这本书写得实在太好了，我只是剪辑了下，吸出了其中的精髓，希望你坚持看完。

2017-04-13 17:20:21

深度学习神经网络
用深度学习(CNN RNN Attention)解决大规模文本分类问题 - 综述和实践
传统做法主要问题的文本表示是高纬度高稀疏的，特征表达能力很弱，而且神经网络很不擅长对此类数据的处理;此外需要人工进行特征工程，成本很高。而深度学习最初在之所以图像和语音取得巨大成功，一个很重要的原因是图像和语音原始数据是连续和稠密的，有局部相关性。

2017-04-13 09:18:02

深度学习文本分类
深度学习在自然语言处理中的应用
自然语言处理是研究和实现人与计算机之间用自然语言进行有效通信的各种理论和方法。本文主要介绍深度学习在自然语言处理中的应用。

2017-04-10 16:15:55

人工智能深度学习应用
有没有将深度学习融入机器人领域的新尝试？
现在深度学习这么火，大家都会想着看看能不能用到自己的研究领域里。所以，将深度学习融入到机器人领域的尝试也是有的。我就自己了解的两个方面（视觉与规划）来简单介绍一下吧。

2017-04-05 10:05:57

深度学习机器人
摆好正确姿势 看 Google 神级深度学习框架 TensorFlow 的实践思路 原创
作为Goolge二代DL框架，使用数据流图的形式进行计算的TensorFlow已经成为了机器学习、深度学习领域中最受欢迎的框架之一。自从发布以来，TensorFlow不断在完善并增加新功能，并在今年的2月26号在Mountain View举办的首届年度TensorFlow开发者峰会上正式发布了TensorFlow 1.0版本，其最大的亮点就是通过优化模型达到最快的速度，且快到令人难以置信，更让人想不到的是很多拥护者用TensorFlow 1.0的发布来定义AI的元年。

2017-03-31 09:45:34

TensorFlow深度学习
马斯克脑洞大开！要融合计算机和人类大脑 原创
马斯克的新公司要完成这样的使命：通过脑神经植入技术，实现人脑和AI的融合，提升人类的认知能力，摆脱人工智能毁灭人类的命运。

2017-03-29 08:08:28

人工智能神经织网
如何解决机器学习中数据不平衡问题
在学术研究与教学中，很多算法都有一个基本假设，那就是数据分布是均匀的。当我们把这些算法直接应用于实际数据时，大多数情况下都无法取得理想的结果。因为实际数据往往分布得很不均匀，都会存在“长尾现象”，也就是所谓的“二八原理”。

2017-03-28 09:40:23

机器学习数据不平衡
深度学习芯片研究新趋势：以存储器为处理的核心
存储器内处理(PIM)架构其实不是什么新东西，但是因为存储器内相对简单的逻辑单元很好地迎合了神经网络的训练需求(特别是卷积网络)，所以存储器正变成未来下一个平台。

2017-03-28 08:57:26

深度学习芯片存储器
大数据与深度学习如何让你在下班路上少堵一会儿？
当你在手机上的公交App里查询112路还有几站到时，是否觉得这不过就是公交车装上GPS的事儿？当你下班路上在百度／高德看着满城的红色“沦陷区”一筹莫展时，可有抱怨过地图App只能提示拥堵，却并不能解决拥堵？

2017-03-27 16:27:00

深度学习
深度学习也有缺陷，同质化的AI创业竞争将很残酷
人工智能这一轮的浪潮来的很快，接连攻克了图像识别、语音识别、自动驾驶等多个难题，简直是处于宇宙中心。从资本、媒体到创业者都对这个领域怀有极大的热情。

2017-03-23 09:12:20

深度学习同质化AI
AI 黑箱难题怎么破？神经网络模型算法给你答案
在机器人与商业捆绑日益紧密之时，更加智能细分的机器人已成时下必需，如果能在机器人行动动机上有所突破，那么，未来我们看到的将不再是答非所问跑题王，也不是独臂行天下的低能机器人，而是心灵手巧，知错能改的机器人。

2017-03-22 12:13:36

AI神经网络模型算法
深度神经网络中深度究竟带来了什么？
人工智能近几年实现了爆炸式发展，深度学习可以说是其主要的推动力。笔者对于能来微软实习并从事深度学习方面的研究感到十分荣幸，因为微软研究院在该领域一直处于领先的地位，其优秀的人才配备和强大的计算资源都非常适合做这方面的研究。

2017-03-22 11:59:40

深度神经网络
基础深度学习概念备忘录
深度学习可能对于很多初学者是一头雾水，在高速发展的同时有很多新的概念名词被抛出，而本文则是对一些常见名词的备忘介绍。

2017-03-21 11:02:59

基础深度学习备忘录
AI从业者的思考：深度学习很厉害，但别捧杀它
深度学习的出现改变了这种现状，深度学习使用复杂的多非线性模型表示数据之间的关系，然后使用大量的数据最终确定数据之间的关系究竟是什么。

2017-03-21 10:44:00

AI深度学习
神经网络不可思议的声誉
深度学习给我带来了迈向机器智能的一个途径，而且我们现在可以使用许多不同的工具。从拥有大量数据的弱先验中，在高维度下学习良好特征，是一种的、令人兴奋的能力，但我们不应该就认为大部分智能Agent面临的问题都能够用这种方式解决。神经网络中的梯度下降可能可以帮助建立思考机器的组成部分，但它本身是没有思考能力的。

2017-03-21 08:52:20

神经网络声誉
如何为你的深度学习任务挑选最合适的GPU?
深度学习是一个计算密集型领域，而 GPU 的选择将从根本上决定你的深度学习实验。那么，如何选择一个适合你的 GPU 呢?这正是本篇博文探讨的问题，帮助你做出正确选择。

2017-03-20 16:00:20

深度学习GPU
剖析DeepMind神经网络记忆研究：模拟动物大脑实现连续学习
本篇文章通过模拟动物大脑实现连续学习来剖析剖析DeepMind神经网络记忆研究。

2017-03-20 15:23:46

人工智能连续学习神经网络
人工神经网络让你一秒变老变年轻，而且不会走样
深度学习机器能够呈现人脸衰老后的模样，但却往往越变越不像本人。现在计算机科学家已经解决了这个问题。

2017-03-19 15:51:47

人工神经网络
AI 学会“脑补”：神经网络超逼真图像补完从 0 到 1
自动图像补全是计算机视觉和图形领域几十年来的研究热点和难点。在神经网络的帮助下，来自伯克利、Adobe 等研究人员利用组合优化和类似风格转移的方法，突破以往技术局限，成功实现了超逼真的“从0到1”图像生成。代码已在Github 开源。

2017-03-19 15:47:50

神经网络
卷积神经网络之父：人工智能下一步从视频中学习常识
YannLeCun作为深度学习领域的大牛，近几年带动Facebook的人工智能项目飞速前进，其势头比之谷歌也不落下风。如今Facebook的人脸识别技术DeepFace已经能够识别超过4亿张人脸，而YannLeCun对此并不满足，他认为机器视觉不该满足于从图片中进行识别，下一步机器应当从视频中“学习常识”。

2017-03-19 15:44:25

卷积神经网络
上一页 1 ··· 2829303132 33
点赞

51CTO技术栈公众号

业务
速览
在线客服