日前，英特尔围绕 AI 解决方案的智能化、无人化和集群化话题，在小范围内举行了一个 AI 开发者私享会。在会上，英特尔的开源深度学习工具库 OpenVINO 引人关注。 OpenVINO™ 全称 Open Visual Inference & neural...
本章节讲解，迁移学习，多任务学习，端到端的学习，通过举例说明这些学习方式的内容记忆使用场景和意义
前言关于传统非参数的图像风格迁移方法和现如今基于深度学习的图像风格迁移方法。基于深度学习的图像风格迁移方法：基于图像迭代和模型迭代的两种方法的优缺点。基于深度学习的图像风格迁移方法的存在问题及其应用前景。基于深度学习的图像风格迁移研究传统非参数的图像风格迁移方法传统非参数的图像风格迁移方法是主要基于物理模型的绘制和纹理的合成，但是非参数图像风格迁移方法只能提取图像的底层特征，而非高层抽象特征在处理颜色和纹理较复杂的头像时，最终的合成效果较为粗糙难以符合实际需求。基于卷积神经网络的图像风
文字检测是文字识别过程中的一个非常重要的环节，文字检测的主要目标是将图片中的文字区域位置检测出来，以便于进行后面的文字识别，只有找到了文本所在区域，才能对其内容进行识别。 文字检测的场景主要分为两种...
一些小技巧来加速你的深度学习模型训练
来源｜The Robot Brains Podcast 翻译｜胡燕君、程浩源、贾川、沈佳丽、许菡如 新一轮深度学习崛起的引爆点是AlexNet，而它的爆发却离不开“燃料”ImageNet数据集。 斯坦福大学教授李飞飞正是ImageNet的发起人和推...
撰文｜赵露阳 算子即Operator，这里简称op。op是深度学习的基础操作，任意深度学习框架中都包含了数百个op，这些op用于各种类型的数值、tensor运算。 在深度学习中，通过nn.Module这样搭积木的方式搭建网络，而o...
文 @ 小 P 的小胡易生 0 背景 在编译器领域，多层 for 循环的代码优化往往是编译优化工作的重点内容。在深度学习编译器这一细分领域，大多神经网络中，多层 for 循环的算子占比多达一半以上。 因此，对这类代码的...
In the last chapter we learned that deep neural networks are often much harder to train th
1.tf.nn.moments(x,axes=[0,1,2])#对前三个维度求平均值和标准差，结果为最后一个维度，即对每个feature_map求平均值和标准差参数说明：x为输入的fea
点击上方“小白学视觉”，选择加"星标"或“置顶” 重磅干货，第一时间送达 介绍 手语识别是一个多年来一直在研究的问题，然而，我们还远未在我们的社会中找到完整的解决方案。 在为解决这一问题而开展的工作中，大...
本文讲解了循环神经网络RNN的多种形式（1对1、1对多、多对1、多对多），语言模型 ，图像标注，视觉问答，注意力模型，RNN梯度流等【对应 CS231n Lecture 10】
本文讲解了神经网络参数与复杂度计算，以及主流轻量级网络，包括SqueezeNet、Xception、ShuffleNet v1~v2、MobileNet v1~v3等
本文讲解最广泛使用的卷积神经网络，包括经典结构（AlexNet、VGG、GoogLeNet、ResNet）和一些新的结构（Network in Network、Resnet改进、FractalNet、
本文讲解训练神经网络的核心方法：优化方式（SGD、动量更新、Nesterov动量、Adagrad、RMSProp、Adam等），正则化（L2、Dropout），迁移学习，模型集成等【对应 CS231n
本文讲解训练神经网络的核心方法：初始化（激活函数、数据预处理、权重初始化、正则化、梯度检查），训练动态（监控学习过程、参数更新、超参数优化）等【对应 CS231n Lecture 6】
本文讲解了卷积神经网络的重点知识：卷积层、池化层、ReLU层、全连接层、局部连接、参数共享、最大池化、步长、零填充、经典案例等【对应 CS231n Lecture 5】
本文讲解了神经网络计算图、前向传播与反向传播、标量与向量化形式计算、求导链式法则应用、神经网络结构、 激活函数等内容【对应 CS231n Lecture 4】
本篇内容是组织的「深度学习原理知识大全」系列教程入口，教程依托吴恩达老师《深度学习专项课程》，对内容做了重新梳理与制作，以更全面和直观的图文方式，对深度学习涉及的知识、模型、原理、应用领域等进行详解
本节展开介绍典型的CNN结构（LeNet-5、AlexNet、VGG），以及 ResNet(Residual Network，残差网络)，Inception Neural Network，1x1卷积，