• 相关博文
  • 最新资讯
加载中...
  • 让AI训练AI,阿里和浙大的“AI训练师助手”是这样炼成的

    目前实现这一目标最流行的方法是迁移学习。浙江大学和阿里安全发现,两个预训练深度模型所提取的特征之间的迁移能力可由它们对应的深度归因图谱之间的相似性来衡量。相似程度越高,从不同的预训练深度模型中获得的特征相关性就越大,特征的相互迁移能力也就越强。而且,“AI训练师助手”还知道从什么模型迁移知识,用模型的哪个部分迁移能最好地完成任务。也就是说,他们发现了让小白模型向AI深度模型学习的高效学习方法。

    2020.03.31 0
  • 迁移学习前沿研究亟需新鲜血液,深度学习理论不能掉链子

    人类可以从很少的样本中学习,显示出了人类卓越的泛化能力,而这一点学习算法仍远做不到。当前,最成功的模型需要大量标记好的数据,但是这些数据昂贵且难以获取,成为实践中使用机器学习的最大障碍之一。最近的研究表明,当前的算法几乎不能对训练期间看到的数据做泛化。在这种情况下,迁移学习显示出巨大潜力,其目的是更有效地利用以前获得的知识来学习新任务。

    2019.12.30 0
  • 从YARN迁移到k8s,滴滴机器学习平台二次开发是这样做的

    本次演讲从滴滴机器学习平台的特点开始探讨,分享了滴滴机器学习场景下的 k8s 落地实践与二次开发的技术实践与经验,包括平台稳定性、易用性、利用率、平台 k8s 版本升级与二次开发等内容。此外,唐博还介绍了滴滴机器学习平台是如何从 YARN 迁移到 k8s,以及 YARN 的二次开发与 k8s 的对比等。最后,唐博还分享了滴滴机器学习平台正在研发中的功能以及对未来的展望。

    2019.12.02 0
  • T5,一个探索迁移学习边界的模型

    10月,Google 在《Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer》这篇论文中提出了一个最新的预训练模型 T5(Text-To-Text Transfer Transformer),其参数量达到了 110 亿,完爆 Bert Large 模型,且在多项 NLP 任务中达到 SOTA 性能。有人说,这是一种将探索迁移学习能力边界的模型,它的意义究竟是什么?潜力还有多大?

  • 掌握深度学习,为什么要用PyTorch、TensorFlow框架?

    并非每个回归或分类问题都需要通过深度学习来解决。甚至可以说,并非每个回归或分类问题都需要通过机器学习来解决。毕竟,许多数据集可以用解析方法或简单的统计过程进行建模。另一方面,在某些情况下,深度学习或深度迁移学习可以帮助你训练更准确的模型。在这些情况下,你可以考虑使用 PyTorch 和 TensorFlow ,特别是如果你所需的训练模型与其中一个框架模型库中的模型类似。

    2019.09.05 0
  • @程序员,Python 3还有哪些未Get的潜藏技能?| 技术头条

    在 Python 3 推出后,人们开始逐步将基于Python 2 的代码迁移至 Python 3 。但在迁移过程中,很多代码都未能使用到 Python 3 提供的新功能。本文作者介绍了相关功能的介绍,包括字符串格式化处理、文件路径处理、类型提示、内置 LRU 缓存等等,帮助大家更好地利用 Python 3 书写代码。

    2019.05.20 0
  • 医生再添新助手!深度学习诊断传染病 | 完整代码+实操

    在本文中,我们将使用 Python 和 tensorflow ,来构建一个强大的、可扩展的、有效的深度学习解决方案。这些工具都是免费并且开源的,这使得我们能够构建一个真正低成本、高效精准的解决方案,而且可以让每个人都可以轻松使用。

  • 一文教你如何愉快地迁移到Python 3

    Python 生态系统在 Python2 和 Python3 中共存,而 Python2 仍在数据科学家中使用。到2019年底,也将停止支持 Python2。至于Numpy,2018年9月之后任何新功能版本都将只支持Python3。所以迁移到Python3刻不容缓,当然不止是这些,还有些新特性让我们跟随后面到文章一一进行了解。

  • Facebook增强版LASER开源:零样本迁移学习,支持93种语言

    为了加速自然语言处理 (NLP) 在更多语言上实现零样本迁移学习 (zero-shot transfer learning),Facebook 研究者扩展并增强了 LASER (Language-Agnostic Sentence Representations) 工具包,并在近期开源了这个项目。