Atom是GitHub推出的一款编辑器, 被称为21世纪的黑客编辑器. 其主要的特点是现代, 易用, 可定制.
NIPS 2016:PPT of Andrew Ng
为了方便读者学习和收藏,雷锋网特地把吴恩达教授的PPT 做为中文版。
作者:雷锋网 亚峰
雷锋网(公众号:雷锋网)按:为了方便读者学习和收藏,雷锋网特地把吴恩达教授在NIPS 2016大会中的PPT做为中文版,由三川和亚峰联合编译并制作。
今日,在第 30 届神经信息处理系统大会(NIPS 2016)中,百度首席科学家吴恩达教授发表演讲:《利用深度学习开发人工智能应用的基本要点(Nuts and Bolts of Building Applications using Deep Learning)》。
此外,吴恩达教授曾在今年 9 月 24/25 日也发表过同为《Nuts and Bolts of Applying Deep Learning》的演讲(1小时20分钟),以下是 YouTube 链接:
Facebook PyTorch
Advises of Rishabh Shukla on How to Train Deep Neural Network
作者:雷锋网
本文为印度深度学习专家、创业者 Rishabh Shukla 在 GitHub 上发表的长博文,总结了他过去的开发经验,旨在给新入门的开发者提供指导。雷锋网做了不改变原意的编译。
在深度学习领域,为了高效训练深度神经网络,有些实践方法被过来人强烈推荐。
在这篇博文中,我会覆盖几种最常使用的实践方法,从高品质训练数据的重要性、超参数(hyperparameters)到更快创建 DNN(深度神经网络) 原型模型的一般性建议。这些推荐方法中的大多数,已被学术界的研究所证实,并在论文中展示了相关实验、数学证据,比如 Efficient BackProp(Yann LeCun et al.) 和 Practical Recommendations for Deep Architectures(Yoshua Bengio)。
Concept and History of Brain Chips
你信不信有一天,硅工造的芯片会写诗?
作者:雷锋网:本文作者痴笑,矽说(微信号:silicon_talks)主笔。
你信不信有一天,硅工造的芯片会写诗?
如果信,
那说好的“诗三百,一言以蔽之,思无邪”,
还真的是“无邪”么?
如果不信,请读下面这一首:
脑芯编:窥脑究竟,织网造芯(一)
如果要给这诗一个赏析,大概可以是一个忧伤的故事。
天边云的变换复杂,而我却是半梦半醒,我在想一个人,想第一次和他相见,想他的风流倜傥,想他的英雄飒爽。
如果你是个文科生,或许你会嘲笑这首连平仄都不满足的劣质诗歌,韵脚也押的有些蹩脚,故事更是为赋新词强说愁。
如果你是理科男,或许对这种思春的小情怀不以为然。
不过,那是因为你们并没有看懂这首诗。
因为这诗暗藏了一个密码,藏着人工智能遇到摩尔定律后蹭出的火花。
另外,这诗不是人工智能的产物,只是矽说在这个人工智能横行的年代里特有的小情怀。
但可能在不远的将来,人工智能将会开车,会翻译,会调情,也会写下更美的篇章。想解开这个人工智能与集成电路的秘密?关注雷锋网(公众号:雷锋网)后期更新,我们一句一句地读下去。
Google RAISR
Recognition of License Number of Car
大数据深度学习下车辆厂牌型号识别
作者:36大数据 数控小V
2015年3月,北京文安公司发布了基于大数据下深度学习的机动车厂牌型号识别技术。
车辆身份识别系统是智能交通的重要分支,它需要人工智能、图像处理、计算机视觉、模式识别等相关技术的综合应用。目前国内的车牌识别技术已经日益成熟,随着智能交通技术应用的不断加深,业界迫切希望提取更多元的车辆信息,除车牌号码外,还需要车辆的厂牌、型号以及颜色等信息特征。这些特征在停车场无人管理、交通事故处理、交通肇事逃逸、违章车辆自动记录等领域具有广泛而迫切的应用需求。
Generate Lyric from Lyrics of Jay
基于char-rnn和tensorflow生成周杰伦歌词
作者:leido
最近深度学习在机器视觉CV、自然语言处理NLP领域表现出强大的潜力,各种深度学习/机器学习框架也层出不穷。TensorFlow是google于去年(2015.11)开源的深度学习框架,截止目前(2016-11-28)Github上已经有38000+的star数,称之为最近最受欢迎的深度学习框架一点也不过分。
本着学习TensorFlow和RNN的目的,前些天发现了char-rnn这个有趣的项目,具体就是基于字符预测下一个字符,比日说已知hello的前四个字母hell,那我们就可以据此预测下一个字符很可能是o,因为是字符char级别的,并没有单词或句子层次上的特征提取,相对而言比较简单易学。