筆者本次選擇復現的是湯曉鷗組 Chao Dong 的作品，這篇論文也是深度學習應用在超解析度重構上的開山之作。 論文復現程式碼：  http://aistudio.baidu.co

2018 年 9 月 21 ～ 22 日，在以“驅動數字科技”為主題的雲棲大會上， 阿里巴巴搜尋事業部特別推出了“搜尋推薦專場”，“推薦與搜尋引擎 AI · OS 專場”，深度參與了這場科技盛宴。 阿里巴巴推

編者按：入門深度學習的方法有很多，其中最便捷的是線上課程。但是，從做出這項選擇起，新手要面臨的就不僅是全新的知識體系，還有無數的陌生術語。在開始閱讀前，請自問自答：什麼是Adam、ReLU、YOLO？什麼是Ad

0x00、概述 本文主要是和大家介紹一下： 1.回顧Machine Learning分類器方法。 ·特徵碼提取自動化 ·資料集介紹 ·n-gram N如何獲取 ·特徵選擇 ·演算法評

本文中，我們將深度學習與機器學習作比較。我們將逐一瞭解他們。我們還會討論他們在各個方面的不同點。除了深度學習和機器學習的比較，我們還將研究它們未來的趨勢。 對比介紹深度學習和機器學習 a. 什

本文概述了來自北京航空航天大學徐邁老師組 ECCV 2018 的工作DeepVS: A Deep Learning Based Video Saliency Prediction Approach。全

如果你用過或者正在考慮將 AWS/Azure/Google Cloud 用於機器學習，你就會知道 GPU 使用成本有多高。此外，開、關機器對自己的工作流也有極大的破壞。更好的選擇是，自己搭建機器。這篇文章表明

原文地址： Unsupervised Learning with Python 原文作者：Vihar Kurama 譯文出自： 掘金翻譯計劃 本文永久連結： github

來源：paperspace 編譯：weakish 編者按：DRDO研究人員Ayoosh Kathuria深入淺出地介紹了梯度下降這一概念。 深度學習在很大程度上是在解決大規模的煩人的優化問

公眾號/AI前線 策劃編輯 | Natalie 作者 | Uber ATG 翻譯 | 無明 編輯 | Natalie AI 前線導讀： 近年來，深度學習在解決模式識別問題方面發揮了

目前人類正處在從大資料時代向大計算時代變革的時間點上。 ——餘凱 地平線創始人 2012年，他在一眾華人頂尖科學家中率先回國，第一個在中國開啟深度學習；2013年，他領銜百度團隊，第一個

如何將深度學習等AI演算法應用到實際場景裡，不是一件容易的事情。 2016年，卡耐基梅隆大學電腦科學院的終身教授邢波（Eric Xing）在匹茲堡創辦了Petuum，他致力於建立一個平臺，通過自定義的虛擬化和作

選自Petuum，機器之心編譯，參與：張倩、王淑婷。 為促成不同文字生成任務的快速搭建以及任務之間的技術共享，由 Petuum 公司和卡耐基梅隆大學 (CMU) 為主要貢獻者的通用工具包——T

目標檢測是計算機視覺領域的基本且重要的問題之一，而「一般目標檢測」則更注重檢測種類廣泛的自然事物類別。近日，中國國防科技大學、芬蘭奧盧大學、澳大利亞悉尼大學、香港中文大學、加拿大滑鐵盧大學的研究者在 a

寫在前面 mxnet程式碼的規範性比Caffe2要好，看起來核心程式碼量也小很多，但由於對dmlc其它庫的依賴太強，程式碼的獨立性並不好。依賴的第三方庫包括： cub dlpack dmlc-core