Searching for 深度学习

50 Results

2019年深度学习的十大预测

革命性进展应该分阶段发生,我们今天遇到的是实现Interventional level的主要障碍。这并不意味着我们不能取得任何进展,而是在目前的成熟度水平中有许多悬而未决的成果,而这些成果已经准备好进行开发,DL在2019年的进展将主要围绕这一务实的认识。

BAT专家解读:如何选出最合适的深度学习框架?

随着深度学习关注度和势头上升,深度学习被越来越多的企业和组织的生产实践结合起来。这时,无论是对于深度学习相关专业的初学者,还是已经在企业和组织中从事工业场景应用和研发的开发者来说,选择一个适合自己,适合业务场景需求的深度学习框架显得尤为重要。

CNN已老,GNN来了!清华大学孙茂松组一文综述GNN

深度学习无法进行因果推理,而图模型(GNN)或是解决方案之一。清华大学孙茂松教授组发表综述论文,全面阐述GNN及其方法和应用,并提出一个能表征各种不同GNN模型中传播步骤的统一表示。文中图表,建议高清打印过塑贴放手边作参考。

图神经网络(GNN)也许是 AI 的未来

图神经网络(Graph NN)是近来的一大研究热点,尤其是DeepMind提出的“Graph Networks”,号称有望让深度学习实现因果推理。但这篇论文晦涩难懂,复星集团首席AI科学家、大数医达创始人邓侃博士,在清华俞士纶教授团队对GNN综述清晰分类的基础上,解析DeepMind“图网络”的意义。

使用Google Colab构建一个图像分类模型,10分钟搞定!

你不需要为谷歌或其他大型科技公司工作就可以使用深度学习数据集,在几分钟内从零开始建立起你自己的神经网络,而不需要租用谷歌的服务器也不再只是一个梦。Fast.ai的学生在Imagenet数据集上仅用18分钟就设计出了一个模型,本文将展示与其类似的模型构建过程。

CNN图像分类策略简单到出人意料!

CNN非常擅长对乱序图像进行分类,但人类并非如此。在这篇文章中,作者展示了为什么最先进的深度神经网络仍能很好地识别乱码图像,探究其中原因有助于揭示DNN使用让人意想不到的简单策略,对自然图像进行分类。