深度学习 | 数盟 | Page 2
timg (3) 0

DeepMind提出深度学习新方向:神经过程模型

- 文章,人工智能,深度学习 - 阅 382

来源:DeepMind 编译:肖琴,金磊 函数逼近是机器学习中许多问题的核心,DeepMind的最新研究结合了神经网络和随机过程的优点,提出神经过程模型,在多任务上实现了很好的性能和高计算效率。 论文:https://arxiv.org/pdf/1807.01622.pdf 函数逼近(Function approximation)是机…

coder 0

深入浅出JVM之垃圾收集算法

- 文章,数据挖掘,深度学习 - 阅 385

判断哪些对象需要被回收 引用计数算法: 给对象中添加一个引用计数器,每当有一个地方引用时,计数器值就加1;当引用失效时,计数器值就减1;任何时刻计数器为0的对象就是不可能再被使用的。 但是JVM没有使用此方法,因为此方法无法解决2个对象相互循环引用的问题。 可达性分…

0c3edd91ecd6d77e19dc07f11e441a04 0

Keras vs PyTorch:谁是「第一」深度学习框架?

- 文章,深度学习 - 阅 312

「第一个深度学习框架该怎么选」对于初学者而言一直是个头疼的问题。本文中,来自 deepsense.ai 的研究员给出了他们在高级框架上的答案。在 Keras 与 PyTorch 的对比中,作者还给出了相同神经网络在不同框架中性能的基准测试结果。目前在 GitHub 上,Keras 有超过 31,000 个 Star…

22 0

使用拓扑数据分析理解卷积神经网络模型的工作过程

- 文章,人工智能,深度学习 - 阅 319

1.简介 神经网络在各种数据方面处理上已经取得了很大的成功,包括图像、文本、时间序列等。然而,学术界或工业界都面临的一个问题是,不能以任何细节来理解其工作的过程,只能通过实验来检测其效果,而无法做出合理的解释。相关问题是对特定数据集经常存在某种过拟合现象,这会…

111042001743393 0

机器学习 —— 浅谈贝叶斯和MCMC

- 文章,人工智能,深度学习 - 阅 306

浅谈贝叶斯 不论是学习概率统计还是机器学习的过程中,贝叶斯总是是绕不过去的一道坎,大部分人在学习的时候都是在强行地背公式和套用方法,没有真正去理解其牛逼的思想内涵。我看了一下 Chalmers 一些涉及到贝叶斯统计的课程,content 里的第一条都是 Philosophy of Bayesian s…

wKiom1VtBKqCKKFCAADJGQ7MJnU967 0

手把手教你训练 RNN | Part II

- 文章,人工智能,深度学习 - 阅 202

RNN 的反向传播是为了计算出关于损失函数的梯度值 读者可以在这里看到本文的 Part I(http://www.raincent.com/content-85-11648-1.html)。 单个 RNN 单元的反向传播 RNN 中反向传播的目的是计算出最终的损失值 L 分别对权值矩阵(W_xh,W_ah,W_ao)和偏置向量(b_h,b_o)的…

wKiom1VtBKqCKKFCAADJGQ7MJnU967 0

手把手教你训练 RNN | Part I

- 文章,人工智能,深度学习 - 阅 155

RNN 前向传播逐步演练 单个 RNN Cell 中的前向传播算法 在之前的文章中,我们介绍了RNN 的基本结构并将其按时间序列展开成 Cells 循环链,称为 RNN cells。下面,我们将揭示单个 RNN Cell 的内部结构和前向传播计算过程。 将其过程分解成多个步骤: 第一步:cell 接受两个…

0c19e74f52073e4b3cd51a34bc2c1f96.jpg-wh_651x-s_497208491 0

干货:如何从系统层面优化深度学习计算?

- 文章,人工智能,深度学习 - 阅 185

在图像、语音识别、自然语言处理、强化学习等许多技术领域中,深度学习已经被证明是非常有效的,并且在某些问题上已经达到甚至超越了人类的水平。然而,深度学习对于计算能力有着很大的依赖,除了改变模型和算法,是否可以从系统的层面来优化深度学习计算,进而改善计算资源的使…