- 本文给大家分享一篇我们在CVPR 2022 上的paper DATA: Domain-Aware and Task-Aware. 文章首先分析了自监督预训练和神经网络结构搜索（NAS）的背景与联系，提出了一种高效的可针对下游定制化的自监督NAS算法，并解决了过去NAS需要强监督标签的问题。 本文给大家分享一篇我们在CVPR 2022 上的paper DATA: Domain-Aware and Task-Aware. 文章首先分析了自监督预训练和神经网络结构搜索（NAS）的背景与联系，提出了一种高效的可针对下游定制化的自监督NAS算法，并解决了过去NAS需要强监督标签的问题。
- 🍊作者简介：秃头小苏，致力于用最通俗的语言描述问题🍊往期回顾：凸优化理论基础1–仿射集 凸优化理论基础2——凸集和锥🍊近期目标：拥有5000粉丝🍊支持小苏：点赞👍🏼、收藏⭐、留言📩@[TOC] 前言 先来看看题目的中文解释叭，即在自动驾驶环境中使用CNN-Based融合视觉和激光雷达进行物体分类。我们常见的物体分类算法大多是纯视觉的，那么今天我分享的文章呢，... 🍊作者简介：秃头小苏，致力于用最通俗的语言描述问题🍊往期回顾：凸优化理论基础1–仿射集 凸优化理论基础2——凸集和锥🍊近期目标：拥有5000粉丝🍊支持小苏：点赞👍🏼、收藏⭐、留言📩@[TOC] 前言 先来看看题目的中文解释叭，即在自动驾驶环境中使用CNN-Based融合视觉和激光雷达进行物体分类。我们常见的物体分类算法大多是纯视觉的，那么今天我分享的文章呢，...
- 🍊作者简介：秃头小苏，致力于用最通俗的语言描述问题🍊往期回顾：基于pytorch搭建VGGNet神经网络用于花类识别 基于pytorch搭建AlexNet神经网络用于花类识别🍊近期目标：拥有5000粉丝🍊支持小苏：点赞👍🏼、收藏⭐、留言📩@[toc] 基于pytorch搭建ResNet神经网络用于花类识别 写在前面 这一系列已经写了好几篇了，这篇结束后可能就会... 🍊作者简介：秃头小苏，致力于用最通俗的语言描述问题🍊往期回顾：基于pytorch搭建VGGNet神经网络用于花类识别 基于pytorch搭建AlexNet神经网络用于花类识别🍊近期目标：拥有5000粉丝🍊支持小苏：点赞👍🏼、收藏⭐、留言📩@[toc] 基于pytorch搭建ResNet神经网络用于花类识别 写在前面 这一系列已经写了好几篇了，这篇结束后可能就会...
- 🍊作者简介：秃头小苏，致力于用最通俗的语言描述问题🍊往期回顾：卡尔曼滤波系列1——卡尔曼滤波 基于pytorch搭建AlexNet神经网络用于花类识别🍊近期目标：拥有5000粉丝🍊支持小苏：点赞👍🏼、收藏⭐、留言📩@[toc] 基于pytorch搭建GoogleNet神经网络用于花类识别 写在前面 前面已经出过基于pytorch搭建AlexNet神经网络... 🍊作者简介：秃头小苏，致力于用最通俗的语言描述问题🍊往期回顾：卡尔曼滤波系列1——卡尔曼滤波 基于pytorch搭建AlexNet神经网络用于花类识别🍊近期目标：拥有5000粉丝🍊支持小苏：点赞👍🏼、收藏⭐、留言📩@[toc] 基于pytorch搭建GoogleNet神经网络用于花类识别 写在前面 前面已经出过基于pytorch搭建AlexNet神经网络...
- 🍊作者简介：秃头小苏，致力于用最通俗的语言描述问题🍊往期回顾：卡尔曼滤波系列1——卡尔曼滤波 基于pytorch搭建AlexNet神经网络用于花类识别🍊近期目标：拥有5000粉丝🍊支持小苏：点赞👍🏼、收藏⭐、留言📩@[toc] 基于pytorch搭建VGGNet神经网络用于花类识别 写在前面 上一篇写过基于pytorch搭建AlexNet神经网络用于花... 🍊作者简介：秃头小苏，致力于用最通俗的语言描述问题🍊往期回顾：卡尔曼滤波系列1——卡尔曼滤波 基于pytorch搭建AlexNet神经网络用于花类识别🍊近期目标：拥有5000粉丝🍊支持小苏：点赞👍🏼、收藏⭐、留言📩@[toc] 基于pytorch搭建VGGNet神经网络用于花类识别 写在前面 上一篇写过基于pytorch搭建AlexNet神经网络用于花...
- 🍊作者简介：秃头小苏，致力于用最通俗的语言描述问题🍊往期回顾：卡尔曼滤波系列1——卡尔曼滤波 张氏标定法原理详解🍊近期目标：拥有5000粉丝🍊支持小苏：点赞👍🏼、收藏⭐、留言📩@[toc] 基于pytorch搭建AlexNet神经网络用于花类识别 写在前面 最近打算出一个基于pytorch搭建各种经典神经网络的系列。首先先谈谈关于这部分你需要哪些先验知识... 🍊作者简介：秃头小苏，致力于用最通俗的语言描述问题🍊往期回顾：卡尔曼滤波系列1——卡尔曼滤波 张氏标定法原理详解🍊近期目标：拥有5000粉丝🍊支持小苏：点赞👍🏼、收藏⭐、留言📩@[toc] 基于pytorch搭建AlexNet神经网络用于花类识别 写在前面 最近打算出一个基于pytorch搭建各种经典神经网络的系列。首先先谈谈关于这部分你需要哪些先验知识...
- 主要讲述深度学习相关的基础知识，其中包括深度学习的发展历程、深度学习神经网络的部件、深度学习神经网络不同的类型以及深度学习工程中常见的问题。 主要讲述深度学习相关的基础知识，其中包括深度学习的发展历程、深度学习神经网络的部件、深度学习神经网络不同的类型以及深度学习工程中常见的问题。
- 一个生物神经细胞的功能比较简单，而人工神经元只是生物神经细胞的理想化和简单实现，功能更加简单，要想模拟人的脑力，需要很多神经元一起协作来完成复杂的功能。这样通过一定的连接方式或信息传递方式进行协作的神经元可以看成一个网络，就是神经网络。 神经网络的核心组件是层，它是一种数据处理模块，可以将它看出数据过滤器，大多数深度学习都是将简单的层链接起来，从而实现数据蒸馏。 一个生物神经细胞的功能比较简单，而人工神经元只是生物神经细胞的理想化和简单实现，功能更加简单，要想模拟人的脑力，需要很多神经元一起协作来完成复杂的功能。这样通过一定的连接方式或信息传递方式进行协作的神经元可以看成一个网络，就是神经网络。 神经网络的核心组件是层，它是一种数据处理模块，可以将它看出数据过滤器，大多数深度学习都是将简单的层链接起来，从而实现数据蒸馏。
- SWA：平均权重导致更广泛的最优和更好的泛化 摘要深度神经网络通常通过使用 SGD 变体优化损失函数以及衰减学习率来训练，直到收敛。 我们展示了沿 SGD 轨迹的多个点的简单平均，具有周期性或恒定的学习率，比传统训练具有更好的泛化能力。 我们还表明，这种随机权重平均 (SWA) 过程找到了比 SGD 更平坦的解决方案，并用单个模型逼近了最近的快速几何集成 (FGE) 方法。 使用 SWA，... SWA：平均权重导致更广泛的最优和更好的泛化 摘要深度神经网络通常通过使用 SGD 变体优化损失函数以及衰减学习率来训练，直到收敛。 我们展示了沿 SGD 轨迹的多个点的简单平均，具有周期性或恒定的学习率，比传统训练具有更好的泛化能力。 我们还表明，这种随机权重平均 (SWA) 过程找到了比 SGD 更平坦的解决方案，并用单个模型逼近了最近的快速几何集成 (FGE) 方法。 使用 SWA，...
- 关于图像，我们最常听说的就是图像的像素，那么像素到底是什么？它的取值又意味着什么？我们一起来聊一聊，通过这一篇文章大概了解一些关于计算机视觉的术语，在脑海中对计算机视觉留下一个印象方便我们的持续学习 关于图像，我们最常听说的就是图像的像素，那么像素到底是什么？它的取值又意味着什么？我们一起来聊一聊，通过这一篇文章大概了解一些关于计算机视觉的术语，在脑海中对计算机视觉留下一个印象方便我们的持续学习
- 作者将打造一个《当人工智能遇上安全》系列博客，详细介绍人工智能与安全相关的论文、实践，并分享各种案例，涉及恶意代码检测、恶意请求识别、入侵检测、对抗样本等等。这篇文章将详细分享基于机器学习的恶意代码检测技术，主要参考郑师兄的视频总结，包括机器学习概述与算法举例、基于机器学习方法的恶意代码检测、机器学习算法在工业界的应用。同时，详细分享了基于机器学习的恶意代码检测技术，希望您喜欢。 作者将打造一个《当人工智能遇上安全》系列博客，详细介绍人工智能与安全相关的论文、实践，并分享各种案例，涉及恶意代码检测、恶意请求识别、入侵检测、对抗样本等等。这篇文章将详细分享基于机器学习的恶意代码检测技术，主要参考郑师兄的视频总结，包括机器学习概述与算法举例、基于机器学习方法的恶意代码检测、机器学习算法在工业界的应用。同时，详细分享了基于机器学习的恶意代码检测技术，希望您喜欢。
- MobileNets：用于移动视觉应用的高效卷积神经网络 摘要我们提出了一类称为 MobileNets 的高效模型，用于移动和嵌入式视觉应用。 MobileNets 基于流线型架构，使用深度可分离卷积来构建轻量级深度神经网络。 我们引入了两个简单的全局超参数，可以有效地在延迟和准确性之间进行权衡。 这些超参数允许模型构建者根据问题的约束为其应用程序选择合适大小的模型。 我们在资源和准确性权... MobileNets：用于移动视觉应用的高效卷积神经网络 摘要我们提出了一类称为 MobileNets 的高效模型，用于移动和嵌入式视觉应用。 MobileNets 基于流线型架构，使用深度可分离卷积来构建轻量级深度神经网络。 我们引入了两个简单的全局超参数，可以有效地在延迟和准确性之间进行权衡。 这些超参数允许模型构建者根据问题的约束为其应用程序选择合适大小的模型。 我们在资源和准确性权...
- 深度学习吴恩达老师（一）：神经网络和深度学习(Neural Networks and Deep Learning)：内容整理 + 习题分享 深度学习吴恩达老师（一）：神经网络和深度学习(Neural Networks and Deep Learning)：内容整理 + 习题分享
- 从本专栏开始，作者正式研究Python深度学习、神经网络及人工智能相关知识。前一篇文章分享了BiLSTM-CRF模型搭建及训练、预测，最终实现医学命名实体识别实验。这篇文章将详细讲解Keras实现经典的深度学习文本分类算法，包括LSTM、BiLSTM、BiLSTM+Attention和CNN、TextCNN，这篇文章将以代码为主，让读者直观感受深度神经网络，希望对您有所帮助~ 从本专栏开始，作者正式研究Python深度学习、神经网络及人工智能相关知识。前一篇文章分享了BiLSTM-CRF模型搭建及训练、预测，最终实现医学命名实体识别实验。这篇文章将详细讲解Keras实现经典的深度学习文本分类算法，包括LSTM、BiLSTM、BiLSTM+Attention和CNN、TextCNN，这篇文章将以代码为主，让读者直观感受深度神经网络，希望对您有所帮助~
- 实体是知识图谱最重要的组成，命名实体识别（Named Entity Recognition，NER）对于知识图谱构建具有很重要意义。命名实体是一个词或短语，它可以在具有相似属性的一组事物中清楚地标识出某一个事物。命名实体识别（NER）则是指在文本中定位命名实体的边界并分类到预定义类型集合的过程。本文介绍了基于BiLSTM+CRF的医学命名实体识别研究，希望对您有所帮助~ 实体是知识图谱最重要的组成，命名实体识别（Named Entity Recognition，NER）对于知识图谱构建具有很重要意义。命名实体是一个词或短语，它可以在具有相似属性的一组事物中清楚地标识出某一个事物。命名实体识别（NER）则是指在文本中定位命名实体的边界并分类到预定义类型集合的过程。本文介绍了基于BiLSTM+CRF的医学命名实体识别研究，希望对您有所帮助~
上滑加载中
推荐直播
-
通过Rust语言计算加速技术突破图片识别性能瓶颈2022/05/31 周二 17:00-18:30
李老师 工程师B
为您讲解在Rust项目中如何利用计算加速技术帮助开发者解决图片识别等场景下的性能瓶颈问题。
即将直播 -
ModelBox隔空作画 绘制你的专属画作2022/05/31 周二 19:00-20:00
华为云算法工程师 小鱼
本期直播教你基于ModelBox框架实现AI隔空作画，将云端训练模型转换为开发板上的AI应用！ 1、强大并实用！实现ModelArts平台训练模型应用到端侧硬件。 2、简单易上手！教你如何使用开发板进行AI应用开发。 3、儿童节不知道给孩子什么礼物？来直播间用AI隔空作画，让TA惊喜满分。
去报名 -
制造业企业如何建设“条码工厂”2022/06/01 周三 16:00-17:00
沈涛 帆软制造业行业化高级顾问
本次直播为您分享传统制造业在数字化转型中面临的难题，结合制造企业落地实践案例分享报工、设备、仓库等场景最佳实践，现学现用。
即将直播
热门标签