-
编辑 删除
不同的领域、框架，这是一份超全的深度学习模型GitHub集合
选自Model Zoo，机器之心整理。 深度学习近来是机器学习最流行的子领域，因为针对高维数据拥有强大的建模能力，它在很多不同的任务与领域都绽放了夺目的光彩，例如计算机视觉、自然语言处理与智能体学习等。深度学习模型是一种表示学习方法，即根据模型学习表示的本身，而不仅仅如同传统机…
-
编辑 删除
自动「脑补」3D环境！DeepMind最新Science论文提出生成查询网络GQN
选自DeepMind，作者：S. M. Ali Eslami、Danilo Jimenez Rezende，机器之心编译。 DeepMind 创始人（同时也是该论文的作者之一）戴密斯·哈萨比斯表示：「我们一直着迷于大脑是如何在意识中构建空间图像的，我们的最新《Science》论…
-
编辑 删除
生产级深度学习的开发经验分享：数据集的构建和提升是关键
选自Pete Warden's Blog，作者：Pete Warden，机器之心编译。 作者简介：Pete Warden 是 Jetpac Inc 的 CTO，著有《The Public Data Handbook》和《The Big Data Glossary》两本 O'Re…
-
编辑 删除
强化学习训练Chrome小恐龙Dino：最高超过4000分
强化学习是当前人工智能领域内一个非常热门的研究方向，在游戏智能体方面的进展尤其耀眼。美国东北大学在读硕士 Ravi Munde 近日发文介绍了其构建《小恐龙快跑（Dino Run）》强化学习智能体的过程。《小恐龙快跑》是 Chrome 浏览器上的一款隐藏小游戏，当你的浏览器断开…
-
编辑 删除
使用Transformer与无监督学习，OpenAI提出可迁移至多种NLP任务的通用模型
OpenAI 的系统分为两阶段，首先研究者以无监督的方式在大型数据集上训练一个 Transformer，即使用语言建模作为训练信号，然后研究者在小得多的有监督数据集上精调模型以解决具体任务。研究者开发的这种方式借鉴了他们关于 Sentiment Neuron（https://b…
-
编辑 删除
CVPR 2018 | 鸡尾酒网络DCTN：源分布结合律引导的迁移学习框架
机器之心经授权发布，作者：Ruijia Xu、Ziliang Chen、Wangmeng Zuo、Junjie Yan、Liang Lin。 随着大规模数据的不断产生和依靠人力进行信息标注的困难，域适应迁移方法逐渐成为机器学习领域中一项非常重要的研究课题。域适应学习旨在适配不同…
-
编辑 删除
卷积神经网络十五问：CNN与生物视觉系统的研究探索
选自neurdiness，机器之心编译。 和我近期的大多数博文一样，我写这篇文章的起因是近期一个 Twitter 讨论，具体是关于如何将深度卷积神经网络（CNN）的组件与大脑联系起来。但是，这里的大多数思考都是我以前考虑并讨论过的。当有人使用 CNN 作为视觉系统的模型时，我通…
-
编辑 删除
计算机架构顶会ISCA 2018唯一中国论文：清华大学提出AI计算芯片的存储优化新方法
机器之心编译，作者：涂锋斌、吴薇薇、尹首一、刘雷波、魏少军，编译：刘晓坤、思源。 卷积神经网络目前已经广泛应用于各种任务中，但因为其参数数量与中间储存的特征图数据，它很难部署到一般端应用中。尤其是当输入图像的分辨率增加，网络储存的中间特征图将大大增加，这无疑会增加对计算资源的需…
-
编辑 删除
[译]深度学习模型的简单优化技巧
选自toward data science，作者：Jonathan Balaban，机器之心编译。 以下是我与同事和学生就如何优化深度模型进行的对话、消息和辩论的摘要。如果你发现了有影响力的技巧，请分享。 像卷积神经网络（CNN）这样的深度学习模型具有大量的参数；实际上，我们可…
-
编辑 删除
CVPR 2018 | 阿里巴巴&浙大Poster论文：基于直推式无偏嵌入的零样本学习
阿里巴巴授权发布，作者：Jie Song、Chengchao Shen、Yezhou Yang、Yang Liu、Mingli Song。 在大规模的训练数据集的支撑下，计算机视觉中的物体识别算法在近几年取得了突破性的进展。但是人工收集和标注数据是一项十分耗费人力物力的工作。例…
-
编辑 删除
从SpringBoot到SpringMVC
用久了SpringBoot，深受其约定大于配置的便利性 “毒害” 之后，我想回归到SpringMVC时代，看看SpringMVC开发模式中用户是如何参与的。本文就来体验一下SpringMVC时代开发的流程。 使用了SpringMVC，则所有的请求都应该交由SpingMVC来管理…
-
编辑 删除
Python并发编程之线程消息通信机制任务协调（四）
大家好，并发编程 进入第四篇。 前面我已经向大家介绍了，如何使用创建线程，启动线程。相信大家都会有这样一个想法，线程无非就是创建一下，然后再start()下，实在是太简单了。 可是要知道，在真实的项目中，实际场景可要我们举的例子要复杂的多得多，不同线程的执行可能是有顺序的，或者…
-
编辑 删除
DeepMind提出关系性深度强化学习：在星际争霸2任务中获得最优水平
自去年 7 月与暴雪共同开放人工智能研究环境 SC2LE 以来，DeepMind 一直没有发表有关星际争霸人工智能的进一步研究。近日，这家公司提出了一种「关系性深度强化学习」方法，并在星际争霸 2 中进行了测试。 在星际争霸 II 学习环境中，DeepMind 的智能体在六个小…
-
编辑 删除
当前最好的词句嵌入技术概览：从无监督学习转向监督、多任务学习
选自Medium，作者：Thomas Wolf，机器之心编译。 词语和句子的嵌入已经成为了任何基于深度学习的自然语言处理系统必备的组成部分。 它们将词语和句子编码成稠密的定长向量，从而大大地提升通过神经网络处理文本数据的能力。 当前主要的研究趋势是追求一种通用的嵌入技术：在大型…
-
编辑 删除
NAACL 2018 | 最佳论文：艾伦人工智能研究所提出新型深度语境化词表征
预训练词表征（Mikolov et al., 2013; Pennington et al., 2014）是很多神经语言理解模型的关键部分。然而，学习高质量词表征非常有难度。它们应该完美建模单词使用方面的复杂特征（如句法和语义），以及单词使用在不同语言环境下的变化（即建模一词多…
-
编辑 删除
备战世界杯！先用深度学习与强化学习踢场 FIFA 18
本文作者是切尔西足球俱乐部粉丝，他写了一篇英文博客介绍如何使智能体在 FIFA 18 游戏中更加完美地踢任意球。全文共分为两部分：用神经网络监督式地玩 FIFA 18；用强化学习 Q 学习玩 FIFA 18。 构建能玩 FIFA 游戏的智能体与游戏内置的 Bot 是不一样的，它…
-
编辑 删除
Python并发编程之谈谈线程中的“锁机制”（三）
大家好，并发编程 进入第三篇。 今天我们来讲讲，线程里的锁机制。 . 何为Lock（ 锁 ）？ 何为 Lock( 锁 )，在网上找了很久，也没有找到合适的定义。可能 锁 这个词已经足够直白了，不需要再解释了。 但是，对于新手来说，我还是要说下我的理解。 我自己想了个生活中例子来…
-
编辑 删除
在Mac上训练机器学习模型，苹果WWDC发布全新Create ML、Core ML 2
北京时间 6 月 5 日凌晨，苹果 2018 年全球开发者大会 (WWDC) 在圣何塞的 McEnery 会议中心开幕。在去年的开发者大会上，围绕软、硬件，苹果介绍了融合机器学习与人工智能的产品，例如 CoreML 框架、智能音箱 HomePod 等。 而在今年的开发者大会上，…
-
编辑 删除
ACL 2018 | 神经语言模型如何利用上下文信息：长距离上下文的词序并不重要
选自arXiv，作者：Urvashi Khandelwal等，机器之心编译。 语言模型是诸如机器翻译和总结等自然语言生成任务中的一个重要组成部分。这些任务会利用上下文（词序列）信息估计待预测单词的概率分布。近年来，一系列神经语言模型（NLM）（Graves, 2013; Joz…
-
编辑 删除
SpringBoot应用部署于外置Tomcat容器
0x01. 概述 SpringBoot平时我们用的爽歪歪，爽到它自己连Tomcat都自集成了，我们可以直接编写SBT启动类，然后一键开启内置的Tomcat容器服务，确实是很好上手。但考虑到实际的情形中，我们的Tomcat服务器一般是另外部署好了的，有专门的维护方式。此时我们需要…
