-
编辑 删除
指数级加速架构搜索：CMU提出基于梯度下降的可微架构搜索方法
选自arXiv，作者：刘寒骁、Karen Simonyan、杨一鸣，机器之心编译。 研究者称，该方法已被证明在卷积神经网络和循环神经网络上都可以获得业内最优的效果，而所用 GPU 算力有时甚至仅为此前搜索方法的 700 分之 1，这意味着单块 GPU 也可以完成任务。该研究的论…
-
编辑 删除
弱监督学习下的商品识别：CVPR 2018细粒度识别挑战赛获胜方案简介
机器之心原创，作者：李亚洲、思源。 2011 年，谷歌开始赞助举办第一届 FGVC Workshop，之后每两年举办一次，到 2017 年已经举办了第四届。而由于近年来计算机视觉的快速发展，FGVC 活动影响力也越来越大，从去年开始由两年一次改为了一年一次。 从 2017 年开…
-
编辑 删除
Python的协程真的有那么难吗？收藏！
从今天开始，我们将开始进入Python的难点，那就是协程。 为了写明白协程的知识点，我查阅了网上的很多相关资料。发现很难有一个讲得系统，讲得全面的文章，导致我们在学习的时候，往往半知半解，学完还是一脸懵逼。 学习协程的第一门课程，是要认识生成器，有了生成器的基础，才能更好地理解…
-
编辑 删除
更优的ImageNet模型可迁移性更强？谷歌大脑论文给出验证
选自arXiv，作者：Simon Kornblith、Jonathon Shlens、Quoc V. Le，机器之心编译。 过去十年来，计算机视觉研究一直将追赶学术上用于对比的基准模型的性能作为衡量进步的标准。然而没有任何一个基准能像 ImageNet [1] 一样被如此激烈地…
-
编辑 删除
如何构建自定义人脸识别数据集
选自pyimagesearch，作者：Adrian Rosebrock，机器之心编译。 在接下来的几篇博文中，作者将带领大家训练一个「计算机视觉+深度学习」的模型来执行人脸识别任务。但是，要想训练出能够识别图像或视频流中人脸的模型，我们首先得收集人脸图像的数据集。 如果你使用的…
-
编辑 删除
如何在Tensorflow.js中处理MNIST图像数据
对任何一个机器学习问题而言，数据处理都是很重要的一步。本文将采用 Tensorflow.js（0.11.1）的 MNIST 样例（https://github.com/tensorflow/tfjs-examples/blob/master/mnist/data.js），逐行运…
-
编辑 删除
使用三重损失网络学习位置嵌入：让位置数据也能进行算术运算
选自Sentiance，机器之心编译。 我们 Sentiance 开发了一款能接收加速度计、陀螺仪和位置信息等智能手机传感器数据并从中提取出行为见解的平台。我们的人工智能平台能学习用户的模式，并能预测和解释事情发生的原因和时间，这让我们的客户能够在正确的时间以合适的方式指导他们…
-
编辑 删除
Dota 2被攻陷！OpenAI 人工智能5V5模式击败人类玩家（4000分水平）
选自OpenAI，机器之心编译。 我们团队构建的模型，OpenAI Five，已经击败业余 Dota2 团队了。虽然如今是在有限制的情况下，但我们计划到 8 月份在有限英雄池下击败 TI 赛中的一支顶级专业队伍。我们可能不会成功，因为 Dota2 是当前最流行也最复杂的电子竞技…
-
编辑 删除
从一份配置清单详解Nginx服务器配置
在前面《Nginx服务器开箱体验》 一文中我们从开箱到体验，感受了一下Nginx服务器的魅力。Nginx是轻量级的高性能Web服务器，提供了诸如HTTP代理和反向代理、负载均衡、缓存等一系列重要特性，因而在实践之中使用广泛，笔者也在学习和实践之中。 在本文中，我们继续延续前文，…
-
编辑 删除
一文带你了解Python集合与基本的集合运算
选自DataCamp，作者：Michael Galarnyk，机器之心编译。 列表（list）和元组（tuple）是标准的 Python 数据类型，它们将值存储在一个序列中。集合（set）是另一种标准的 Python 数据类型，它也可用于存储值。它们之间主要的区别在于，集合不同…
-
编辑 删除
用脑电波控制智能假肢：如何利用深度学习技术进行EGG数据分类
选自TowardsDataScience，作者：Norman Di Palo，机器之心编译。 神经系统是一个极其复杂的结构。人体内有超过十万公里的神经与脊髓和大脑相连。这种「网格」传输控制每一个运动的电脉冲。每一个指令都从大脑发出，大脑是一个更加神奇的神经元结构，通过电激活信号…
-
编辑 删除
世界上最好的语言PHP：我也可以用OpenCV搞计算机视觉
选自Medium，作者：Vladimir Goncharov，机器之心编译。 就像许多开发人员一样，我也经常使用别人的工作成果（Medium 上的文章、GitHub 上的代码等），因此也很乐意与社区分享我的成果。写文章不仅是对社区的一种回报，还可以让你找到志趣相投的人，在一个狭…
-
编辑 删除
Python并发编程之消息队列补充及如何创建线程池（六）
大家好，并发编程 进入第六篇。 在第四章，讲消息通信时，我们学到了Queue消息队列的一些基本使用。昨天我在准备如何创建线程池这一章节的时候，发现对Queue消息队列的讲解有一些遗漏的知识点，而这些知识点，也并不是无关紧要的，所以在今天的章节里，我要先对Queue先做一些补充以…
-
编辑 删除
SpringBoot热部署加持
进行SpringBoot的Web开发过程中，我们很多时候经常需要重启Web服务器才能保证修改的 源代码文件、或者一些诸如xml的配置文件、以及一些静态文件生效，这样耗时又低效。所谓的热部署指的是我们不需要重启Web Server就可以保证各项文件修改的立即生效。下面便来介绍一下…
-
编辑 删除
吴恩达授课，斯坦福CS230深度学习课程资源开放
课程简介：深度学习是 AI 领域中最受欢迎的技能之一。这门课程将帮助你学好深度学习。你将学到深度学习的基础，理解如何构建神经网络，并学习如何带领成功的机器学习项目。你将学到卷积神经网络（CNN）、循环神经网络（RNN）、长短期记忆网络（LSTM）、Adam优化器、Dropout…
-
编辑 删除
比TD、MC、MCTS指数级快，性能超越A3C、DDQN等模型，这篇RL算法论文在Reddit上火了
选自arxiv，作者：Jose A. Arjona-Medina、Michael Gillhofer、Michael Widrich、Thomas Unterthiner、Sepp Hochreiter，机器之心编译。 本文在 Reddit 上也引起了广泛而热烈的讨论，网友表示…
-
编辑 删除
Python并发编程之线程中的信息隔离（五）
大家好，并发编程 进入第五篇。 上次我们说，线程与线程之间要通过消息通信来控制程序的执行。 讲完了消息通信，今天就来探讨下线程里的信息隔离是如何做到的。 . 初步认识信息隔离 比如说，咱有两个线程，线程A里的变量，和线程B里的变量值不能共享。这就是信息隔离。 是的，如果所有的线…
-
编辑 删除
Feature Tools：可自动构造机器学习特征的Python库
机器学习越来越多地从人工设计模型转向使用 H20、TPOT 和 auto-sklearn 等工具自动优化的工具。这些库以及随机搜索（参见《Random Search for Hyper-Parameter Optimization》）等方法旨在通过寻找匹配数据集的最优模型来简化…
-
编辑 删除
图鸭科技获CVPR 2018图像压缩挑战赛单项冠军，技术解读端到端图像压缩框架
CHALLENGE ON LEARNED IMAGE COMPRESSION 挑战赛由 Google、Twitter、Amazon 等公司联合赞助，是第一个由计算机视觉领域的会议发起的图像压缩挑战赛，旨在将神经网络、深度学习等一些新的方式引入到图像压缩领域。据 CVPR 大会官…
-
编辑 删除
CVPR 2018：抱歉我们今天想介绍的这篇论文，刚刚中了CVPR 2018最佳论文
目标识别、深度估计、边缘检测、姿态估计等都是研究界认为有用的和已解决的常见视觉任务的例子。其中一些任务之间有着明显的相关性：我们知道曲面法线和深度是相关的（其中一个是另外一个的导数），或者空间中的灭点（vanishing point）对于定位是有帮助的。其他任务相关性不太明显：…
