• 相关博文
  • 最新资讯
加载中...
  • 170个新项目,579个活跃代码仓库,Facebook开源年度回顾

    过去一年对于Facebook的开源工程师来说是繁忙的一年。在2019年,Facebook发布了170个新的开源项目,活跃代码仓库产品达到了579个。本文中,Facebook对2019年的开源情况做了总结,快来看一下你有没有从中获益的吧!

    2020.01.17 0
  • Instagram个性化推荐工程中三个关键技术是什么?

    近期,Facebook 在博客上分享了第一篇详细介绍 Explore 系统关键技术,以及 Instagram 是如何为用户提供个性化内容的文章。本文就这些关键技术进行介绍,给从事或对相关工作感兴趣的开发者们分享一些想法或经验。

    2019.12.02 0
  • “Jupyter的杀手”:Netflix发布新开发工具Polynote

    10 月 29 日,Netflix 公开了他们内部开发的 Polynote。现如今,大型高科技公司公开其内部的工具或服务,然后受到业界欢迎并被采用的情况屡见不鲜。Amazon 的 AWS,Facebook 的 React.js 就是其中两个。这些大型高科技公司拥有业内最好的工程师,而且在开发中往往会面临巨大的挑战,这些挑战将催化优秀工具的诞生,Netflix 的 Polynote 就是其中的一员。数据科学或者机器学习行业需要更好的工具来编写代码,进行实验算法和可视化数据,Polynote 就是这些人的福利。

    2019.10.30 0
  • 确认!语音识别大牛Daniel Povey将入职小米,曾遭霍普金斯大学解雇,怒拒Facebook

    10 月 17 日,语音界传奇 Daniel  Povey 发布推特,宣布自己 2019 年末将要入职小米,目前正在签订合同阶段,入职后,他将带领一支团队研发下一代 PyTorch-y Kaldi。小米公司内部知情人士向 AI科技大本营确认了 Daniel  Povey 将入职的消息,表示还在走最后流程,具体职位信息不便透露,但很快就会对外公布官方消息。

    2019.10.18 0
  • Facebook开源模型可解释库Captum,这次改模型有依据了

    前脚 TF 2.0 刚发布,在 PyTorch 开发者大会首日也携 PyTorch1.3 版本而来。除此之外,还发布了隐私保护机器学习框架 CrypTen、模型可解释库 Captum 和下一代目标检测/目标分割研究平台 Detectron2。这篇文章介绍的是Facebook 在深度学习的可解释性问题上发布的新成果——Captum。

    2019.10.14 0
  • NLP这两年:15个预训练模型对比分析与剖析

    在之前写过的《NLP的游戏规则从此改写?从word2vec, ELMo到BERT》一文中,介绍了从word2vec到ELMo再到BERT的发展路径。而在BERT出现之后的这大半年的时间里,模型预训练的方法又被Google、Facebook、微软、百度、OpenAI等极少数几个玩得起游戏的核心玩家反复迭代了若干版,一次次的刷新我们这些吃瓜群众的案板上的瓜。

  • 超酷炫!Facebook用深度学习和弱监督学习绘制全球精准道路图

    现如今,即使可以借助卫星图像和绘制软件,创建精确的道路图也依然是一个费时费力的人力加工过程。许多地区,特别是在发展中国家也仍是空白。为了缩小这一差距,Facebook 的人工智能研究人员和工程师们开发了一种新的方法,该方法通过深度学习和弱监督学习,根据商用高分辨率卫星图像来预测道路网络。由此产生的模型为精确程度设定了一个新标准,因为它能够较好地适应道路网络中的地区差异,有效地预测全球范围内的道路。

  • 阿里达摩院刷新纪录,开放域问答成绩比肩人类水平,超微软、Facebook

    近日,由阿里巴巴达摩院语言技术实验室研发的 Multi-Doc Enriched BERT 模型在微软的 MS MARCO 数 据评测任务,Passage Retrieval Task(文档检索排序)和 Q&A Task(开放域自动问答)中双双刷新记录,均取得榜首(截止 2019 年 6 月 26 日)。

  • PyTorch Hub发布获Yann LeCun强推!一行代码调用经典模型

    6月11日,Facebook PyTorch 团队推出了全新 API PyTorch Hub,提供模型的基本构建模块,用于提高机器学习研究的模型复现性。PyTorch Hub 包含一个经过预训练的模型库,内置对Colab的支持,而且能够与Papers With Code 集成。另外重要的一点是,它的整个工作流程大大简化。

    2019.06.12 0
  • Yann LeCun推荐!自监督学习、全景FPN...内容平台的四大技术指南

    Facebook CTO Mike Schroepfer 和 Facebook AI 部门的研究科学家 Manohar Paluri 在近日的 F8 大会上发表了主题演讲,他们主要谈到了如何使用 AI 技术来保护平台用户安全地使用产品,需要做到两点:1、理解内容;2、Facebook 如何使用自监督学习方法来提高内容识别的准确性,同时减少翻译、NLP、图像识别等应用中对标记数据的要求。

    2019.05.14 0
  • 重磅!Facebook更新PyTorch 1.1,打算跨GPU分割神经网络

    时隔半年不到,PyTorch 已经从之前的 1.0 升级到 1.1 版本了。刚刚,Facebook 在年度开发者大会 F8 上宣布正式发布 PyTorch 1.1 版本,这是对 PyTorch 1.0 的一次大的功能升级。

  • 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。