Machine Learning Yearning,Technical Strategy for AI Engineers,In the Era of Deep Learning. Andrew NG.
Machine Learning Yearning is a deeplearning.ai project.
继续阅读 »
无人驾驶
不用多说，自从深度学习开始席卷机器学习领域，计算机视觉相关技术突飞猛进。从阿尔法狗到Dota比赛，人类节节败退，强化学习也逐渐的开始进入人们的视野。无人驾驶技术从当年的实验室阶段真的开始走入了工业界（更像是从工业界反传到了学术界）。还等什么，这么激动人心的高新科技，我们怎么能不赶紧上车呢？
继续阅读 »
动态计算图模型时代
经典的深度学习框架比如caffe，mxnet，tensorflow等都是使用的静态计算图模型（当然最近tensorflow推出新的Execution模式—Eager，mxnet也开始使用新的前端框架Gluon…这是后话），也就是先定义一个计算图，然后往里面“喂”数据，这是经典的Define-and-Run模式…..（我也不知道继续该怎么编了，反正大家都知道怎么用tensorflow和caffe，就是和我们用numpy不一样）直到Chainer横空出世，引入了动态图机制，让深度学习研究工作者眼前焕然一新，pytorch也来了，春天近了。
继续阅读 »
这里是示例的Jupyter Notebook。
最近详细研究了研究TensorFlow的seq2seq库。为了能实现一个神经语言翻译模型，我希望能尽快了解一个大概。这里我就仅仅想知道“我需要清除知道关于这个库的哪些细节”，而不是一个“8层双向基于注意力机制使用集束搜索…的网络”吧啦吧啦有惊人的效果。我这里就像怎么来实现最基本的NMT模型。翻了好多材料来寻找一份“简单”的参考代码时，我一点也不惊讶。
继续阅读 »
计算机视觉
一颗中二的哨牙
袁勇的博客
小村长的博客
CNN以及深度学习方向
待读列表
继续阅读 »
论文地址：https://arxiv.org/pdf/1612.00137
more
现有的 Pose Estimation 解决方案
Single Person Pose Estimation (SPPE)
只尝试估计一个人的姿势。早期曾使用诸如随机森林等机器学习方法，近几年采用深度学习方案，大致有如下几种：
基于 DNN 的
基于 CNN 的（如 RMPE 使用的 Hourglass）
其他架构，如 DeepPose
局限：
要求人能被精准定位，对人的位置十分敏感。
Multi Person Pose Estimation (MPPE)
可以估计多人的姿势，不同架构的框架对噪音（如 人的重叠、人的鲜有姿态）有不同的
继续阅读 »
Some title here
依旧是一篇非技术文章。大概是"Think diffener"的后续吧。我主要想说的是，希望所有人离开自己的安逸窝
猜你喜欢
从这个世纪开始，信息革命以一种前人所无法想象的速度快速发展。人工智能，深度学习等名词已经不再属于名词的范畴了 —— 它确实在运行。
继续阅读 »
Attention is all you need---可视化理解Transformer结构
在上一篇文章中我们介绍了注意力机制—目前在深度学习中被广泛应用。注意力机制能够显著提高神经机器翻译任务的性能。本文将会看一看Transformer---加速训练注意力模型的方法。Transformers在很多特定任务上已经优于Google神经机器翻译模型了。不过其最大的优点在于它的并行化训练。Google云强烈建议使用TPU云提供的Transformer模型。我们赶紧撸起袖子拆开模型看一看内部究竟如何吧。
继续阅读 »
在前面的文章caffe笔记：测试自己的手写数字图片中，不管输入的是什么图片，预测的结果都是在0~4这5个中。我今天又重新google了一下，发现了这个博客：深度学习初探——使用Caffe识别数字。发现该博客后面提到的方法很好的解决了上文中提到的问题。
继续阅读 »