- 相关博文
- 最新资讯
-
文章目录一、计算机视觉方向：二、机器学习方向：三、深度学习方向：四、计算机核心知识：五、MySQL数据库六、Python1、Python入门2、Python爬虫3、Python面试在《深度学习100例》系列教程的更新过程中，很多小伙伴问我 *** 看哪些课程比较好，于是乎，我整理了一波，又CSDN 运营姐姐手中拿了618的优惠，现在分享给大家。包含深度学习、机器学习和计算机视觉，和平时收集的一些优质资料教程。一、计算机视觉方向：人脸识别、物体检测，OpenCV是基石。OpenCV是更为流行和广泛运用的
-
- K同学啊
- 昨天
-
-
1、安装时注意版本兼容问题！！！！tensorflow、keras、python版本兼容问题https://docs.floydhub.com/guides/environments/2、查看版本时version前后是两条横线（天坑）区别：tf.versiontf.version3、代码show_train_history(train_history, ‘accuracy’, ‘val_accuracy’)由于版本问题。acc,val_acc是不对的，补全即可4、...
-
- iiiLISA
- 前天
-
-
来自『央视新闻』 编辑 / 昱良9月18日，华为发布全球最快AI训练集群——Atlas 900。这款AI产品，取名自古希腊神话中的擎天巨神。它有什么特别之处？真能“擎天”...
-
- 机器学习算法与Python学习-公众号
- 2019-09-20
-
-
标题要说发展的话，远的不说就知乎里劝退的人很多劝进的人也不少，这是仁者见仁智者见智的，关键是看自己喜不喜欢这个行业，适合不适合这个行业。是没错！人工智能和JAVA近期很火，就像我们当年选专业的时候到处打着旗帜说学数控工资高，然后学出来的时候就已经饱和了，很多东西当我们信息量相对比较闭塞的人听到周围在说在提及的时候，其实恰恰就是这个行业已经饱和了，现在不管哪个行业其实都不缺人，缺的是尖端人才，所以选择好适合自己并且喜欢的行业就好好奋斗才是王道。电气工程是一门触角伸向各行各业的学科，小到一个开关的设计，大到宇
-
- 她说那里是晒黑的
- 昨天
-
-
朋友们，如需转载请标明出处：https://blog.csdn.net/jiangjunshow声明：在人工智能技术教学期间，不少学生向我提一些python相关的问题，所以为了让同学们掌握更多扩展知识更好地理解AI技术，我让助理负责分享这套python系列教程，希望能帮到大家！由于这套python教程不是由我所写，所以不如我的AI技术教学风趣幽默，学起来比较枯燥；但它的知识点还是讲到位的了，也值得阅读！PS：看不懂本篇文章的同学请先看前面的文章，循序渐进每天学一点就不会觉得难了！Python还有一种三重
-
- 人工智能AI技术
- 前天
-
-
本文将会分享近期发布的七大GitHub机器学习项目。这些项目广泛覆盖了机器学习的各个领域，包括自然语言处理（NLP）、计算机视觉、大数据等。最顶尖的Github机器学习项...
-
- 机器学习算法与Python学习-公众号
- 2019-09-20
-
-
伴随 5G 时代的加速到来，云计算和人工智能技术正推动企业快速进入数字化+智能化时代，各行各业正在实现万物互联。当万物上云，新业态层出不穷，物联网安全的重要性日益凸显。百度顺势而为，在物联网安全领域不断展现创新力量。6月3日，2021百度云智峰会在北京隆重召开，在智能安全分论坛环节，百度智能云物联网部总经理曹杨着重介绍了全新升级的 IoT Stack 2.0和度能2.0，通过深入浅出的讲解再现智能物联网领先的安全技术实力、强劲的数据能力以及完备的服务体系。▲曹杨在智能安全分论坛带来精彩演讲此外.
-
- 百度大脑
- 昨天
-
-
“人工智能+医学影像”，是将目前最先进的人工智能技术应用于医学影像诊断中，帮助医生诊断患者病情的人工智能具体应用场景。借着疫情因素的影响与推动，目前这种应用在医疗领域已经非常广泛,由于自带极强的影像识别和计算能力、持续进化的自我学习能力以及稳定的性能优势，在临床上，可以给医院、医生提供很重要的支撑,随着人工智能和医学影像大数据在医学影像领域的普及和应用，医学影像所面临的诊断准确性和医生缺口等问题便可迎刃而解，两者的融合将成为医学影像发展的重要方向,由于其研究涉及医工交叉学科，需要医学和工科紧密合作，而绝大部
-
本文将介绍由腾讯与欧洲顶级农业大学 WUR（荷兰瓦赫宁根大学）共同举办的第二届“国际智慧温室种植大赛”预赛情况。9月20日，腾讯与欧洲顶级农业大学 WUR（荷兰瓦赫宁根大...
-
- 腾讯技术工程
- 2019-09-20
-
-
量子计算起源于40年前的第一届计算物理学会议，1981年5月6日至8日，该会议由麻省理工学院（MIT）和IBM在MIT的恩迪科特大楼组织，有近50名来自计算和物理的研究人员参加，以往这两个群体很少接触。 时间回到1961年，一位名叫罗尔夫·兰道尔(Rolf Landauer)的IBM研究人员发现了这两个领域之间的一个基本联系：他证明了每一次计算机擦除一点信息，就会产生一点热量，这与系统的熵增相对应。而到了1972年，兰道尔聘请了理论计算机科学家查理·贝内特(Charlie Bennett)，后者证明了熵增可
-
【天问一号探测器着陆火星首批科学影像图揭幕】6月11日，在京举行天问一号探测器着陆火星首批科学影像图的揭幕仪式上，公布了由“祝融号”火星车拍摄的着陆点全景、火星地形地貌、“中国印迹”和“着巡合影”等影像图。首批科学影像图的发布，标志着我国首次火星探测任务取得圆满成功【Windows 11发布前，微软带来的11分钟小视频】本月24号，微软将发布Windows11, 近期发布了一段11分钟的Windows 95， XP， 和 7 启动声音，并将声音速度减慢到 4000% 的效果。附视频地...
-
- Simon223
- 前天
-
-
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言 一、pandas是什么？ 二、使用步骤 1.引入库 2.读入数据 总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、pandas是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数..
-
- Samuel_Tan
- 前天
-
-
本文由『机器之心』授权转载参编辑 / 昱良链接：https://arxiv.org/pdf/1908.08847.pdf时尚电子商务平台通过搜索和个性化来简化服装购买。可...
-
- 机器学习算法与Python学习-公众号
- 2019-09-19
-
-
“软件即服务”，简称 SaaS，目前在商业领域非常流行。根据一项研究，自 2015 年以来，各个机构使用的 SaaS 应用程序的平均数量翻了一番，从 8 个增加到 16 个。不仅如此，统计数据还显示，2018 年 SaaS 组织的全球工作量达到了 13.18 亿元，预计到到 2021 年增长并达到24.3 亿元。这清楚地表明 SaaS 营销在 2021 年呈上升趋势。其实不仅在 2021 年，在过去几年中也一直是呈上升趋势。因此，本文将谈谈SaaS 产品营销的主要趋势，以为SaaS 产品营销的成功提供.
-
- 浅川e
- 前天
-
-
每天日志打卡1/1一直知道Pearl老先生很厉害，买了书一直也没看，这次先找一篇简单的入个门。Pearl, Judea. (2019). The seven tools of causal inference, with reflections on machine learning. Communications of the ACM. 62. 54-60. 10.1145/3241036....
-
- ViviranZ
- 昨天
-
-
事实验证任务要求相关系统能够从大规模的文本知识库中抽取相关的证据（Evidence）并根据这些证据对给定的声明（Claim）给出事实性的判断。
-
用于单图像超分辨率的对偶回归网络，达到最新SOTA | CVPR 2020
本文提出了一种对偶回归方法，它通过引入对LR数据的附加约束来减少函数的解空间。 具体而言，除了学习从LR到HR图像的映射外，本文方法还学习了另外的对偶回归映射，用于估计下采样的内核并重建LR图像，从而形成了一个闭环，可以提供额外的监督。
-
信息保留的二值神经网络IR-Net，落地性能和实用性俱佳 | CVPR 2020
在CVPR 2020上，商汤研究院链接与编译组和北京航空航天大学刘祥龙老师团队提出了一种旨在优化前后向传播中信息流的实用、高效的网络二值化新算法IR-Net。不同于以往二值神经网络大多关注量化误差方面，本文首次从统一信息的角度研究了二值网络的前向和后向传播过程，为网络二值化机制的研究提供了全新视角。同时，该工作首次在ARM设备上进行了先进二值化算法效率验证，显示了IR-Net部署时的优异性能和极高的实用性，有助于解决工业界关注的神经网络二值化落地的核心问题。
-
脉冲神经网络在目标检测的首次尝试，性能堪比CNN | AAAI 2020
论文打算使用DNN-to-SNN转化方法将SNN应用到更复杂的目标检测领域中，图片分类只需要选择分类就好，而目标检测则需要神经网络进行高度准确的数字预测，难很多。在深入分析后，论文实现YOLO的转换主要面临以下两个问题：
-
通过这篇文章，我想建立起图神经网络（GNNs）和Transformers之间的联系。具体来说，我将首先介绍NLP和GNN领域中模型架构的基本原理，然后使用公式和图表来阐述两者之间的联系，最后将讨论如何让两者协同运作来推动这方面的研究进展。
-
CNN vs RNN vs ANN——3种神经网络分析模型，你pick谁？
我还常常会见到另一个问题——神经网络需要强大的计算能力，那么当问题中只是存在一些细微差别时，使用神经网络真的值得吗？问题的答案很简单——值得！
-
机器学习中的线性回归是一种来源于经典统计学的有监督学习技术。然而，随着机器学习和深度学习的迅速兴起，因为线性（多层感知器）层的神经网络执行回归，线性回归的使用也日益激增。
-
一般来说，基于树形结构的模型在Kaggle竞赛中是表现最好的，而其它的模型可以用于融合模型。对于计算机视觉领域的挑战，CNNs (Convolutional Neural Network, 卷积神经网络)是最适合不过的。而对于NLP（Natural Language Processing，自然语言处理），LSTMs或GRUs是最好的选择。下面是一个不完全模型细目清单，同时列出了每个模型的一些优缺点。
-
从LeNet到GoogLeNet：逐层详解，看卷积神经网络的进化
深度学习的兴起使卷积神经网络在计算机视觉方面大放异彩，本文将按时间和创新点顺序介绍一系列网络结构：LeNet、AlexNet、VGGNet、InceptionNet 与 ResNet。网络上大部分文章都只是草草讲述，本文小波仔仔细梳理，从问题的背景，网络结构，为什么设计这样的结构，参数数量各方面详细讲述CNN的进化之路。
-
避免神经网络过拟合的5种技术（附链接） | CSDN博文精选
当模型试着预测噪声较多的数据的趋势时，由于模型参数过多、过于复杂，就会导致过拟合。过拟合的模型通常是不精确的，因为这样的预测趋势并不会反映数据的真实情况。我们可以通过模型在已知的数据（训练集）中有好的预测结果，但在未知的数据（测试集）中较差的表现来判断是否存在过拟合。机器学习模型的目的是从训练集到该问题领域的任何数据集上均有泛化的较好表现，因为我们希望模型能够预测未知的数据。
-
美团正在积极研发无人配送机器人，建立无人配送开放平台，与产学研各方共建无人配送创新生态，希望能在一个场景相对简单、操作高度重复的物流配送中，提高物流配送效率。在此过程中，美团无人配送团队也取得了一些技术层面的突破，比如基于神经网络StarNet的行人轨迹交互预测算法，论文已发表在IROS 2019。IROS 的全称是IEEE/RSJ International Conference on Intelligent Robots and Systems，IEEE智能机器人与系统国际会议，它和ICRA、RSS并称为机器人领域三大国际顶会。
-
LatentFusion：华盛顿大学与英伟达联合提出6D姿态估计新方法
在本文中，华盛顿大学和英伟达联合提出了一种新的用于未见过目标 6D姿态估计的框架。作者设计了一个端到端的神经网络，该网络使用少量目标的参考视角来重构目标的3D表示。使用学习到的3D表示，网络可以从任意视角对目标进行渲染。使用该神经网络渲染器，我们可以对输入图像的姿势直接进行优化。通过使用大量3D形状训练该网络进行重构和渲染，使该网络可以很好地推广到未见过的目标。作者还为未见的物体姿态估计提供了一个新的数据集-MOPED。并且最后在MOPED以及ModelNet数据集上评估了未见物体姿态估计方法的性能。
-
如何用Neo4j和Scikit-Learn做机器学习任务？| 附超详细分步教程
图算法不是一个新兴技术领域，在开源库中已经有很多功能强大的算法实现。近两年，业内的学者与科学家都在积极探索可以弥补深度学习不可解释性，无法进行因果推断的这个缺陷，而图神经网络（GNN）成为备受关注和期待的“宠儿”。随着学界和业界越来越关注GNN，各种新工作不断被提出，基于图神经网络的框架随之产生，如大家现在都已经熟悉的DGL，两大深度学习框架PyTorch和TensorFlow中也开始支持相应的功能，大家对图（Graph）、图计算、图数据库、图机器学习等研究的关注度越发高涨。
-
高三学生发表AI论文，提出针对网络暴力问题的新模型AdaGCN
近日，在清华大学举行的丘成桐中学科学奖半决赛落下帷幕，来自海内外的 72 支队伍获得了总决赛的入场券，北京师范大学附属实验中学的高三学生白行健，也在其中。他凭借一篇利用图卷积神经网络检测网络暴力的论文，在比赛中脱颖而出。长江后浪推前浪，瞧，00 后也要出道了。
-
清华大学教授、智源首席科学家孙茂松，畅谈当前人工智能技术与产业应用发展现状和存在的问题，包括自然语言处理研究面临的瓶颈、神经网络黑箱、常识、大数据与知识等，并提出了他对于改进 AI 实用性的看法和建议。本文将提炼孙茂松教授在访谈中表达的主要观点，供读者交流。
-
2019 年 10 月 31日，在北京举行的智源大会上，清华大学教授、智源首席科学家孙茂松接受了媒体采访，畅谈当前人工智能技术与产业应用发展现状和存在的问题，包括自然语言处理研究面临的瓶颈、神经网络黑箱、常识、大数据与知识等，并提出了他对于改进 AI 实用性的看法和建议。本文将提炼孙茂松教授在访谈中表达的主要观点，供读者交流。
-
近期一篇CNN综述文章《A Survey of the Recent Architectures of Deep Convolutional Neural Networks 》发布，受到了大家的关注，今天作者对论文中的内容做了中文的解读，帮助大家全面了解CNN架构进展。
-
在人工智能的发展越来越火热的今天，其中智能应用也在伴随着我们的生活，其中最具有代表性的便是图像识别，并且其中的应用比比皆是，如车站的人脸识别系统，交通的智能监控车牌号系统等等。而卷积神经网络作为图像识别的首选算法，对于图像的特征提取具有很好的效果，而TensorFlow作为Google的开源框架具有很好的结构化特征，而本篇文章将利用卷积神经网络算法对图像识别进行应用，开发出颜值评分器的功能。
-
在物体检测中的实验结果表明， 在使用更少的参数以及更低的计算花销的情况下，AttoNets 的效率与现有最优模型相当，并在准确率指标上大幅超越现有模型（与 MobileNet-V1相比，最小的 AttoNet 的准确率提升约 1.8%，使用的乘-加操作数和参数量减小了10倍）。另外，本文也在实例分割和物体探测应用中检测了 AttoNets 的效果，并发现与基于 ResNet-50 的 Mask R-Cnn 相比，通过使用基于 AttoNet的 Mask R-Cnn 网络，参数量和计算花销得到了大幅度降低（乘-加操作减少5倍，参数量减少2倍）。
-
最近，深度学习在自然语言处理领域（NLP）取得了很大的进步。随着诸如 Attention 和 Transformers 之类新发明的出现，BERT 和 XLNet 一次次取得进步，使得文本情感识别之类的等任务变得更加容易。本文将介绍一种新的方法，该方法使用图模型在对话中进行情感识别。
活动
-
2021-03-31
-
2020-12-25
-
2020-06-02
-
2020-06-12
-
2020-07-04
精品推荐
热门推荐
学习资源
关于我们
关注「AI科技大本营」
转载 & 投稿（微信）：1092722531
商务合作（微信）：18810393651