今天分享:
(1)在不同GPU上面进行TensorFlow的基准测试;
(2)机器学习(深度学习)会议汇总;
(3)从零开始构建深度学习网络;
(4)Keras实现迁移学习;
(5)利用 TensorFlow 实现字符级别的神经网络语言模型;
1.【博客】Benchmarking Tensorflow Performance and Cost Across Different GPU Options
简介:
这篇博客测试了在不同GPU上面,TensorFlow 的运行效果。测试的GPU种类包括:
- Nvidia 1080 Ti (from my personal desktop)
- Amazon p2.xlarge instance ($0.90/hour — Nvidia Tesla K80)
- Paperspace P5000 ($0.60/hour — Nvidia Quadro P5000)
- Paperspace GPU+ ($0.40/hour — Nvidia Quadro M4000)
- Macbook Pro CPU (i5 2GHz)
具体的性能分析如下:
2.【博客】Machine Learning / Deep Learning Conferences
简介:
我们一直需要去寻找一些机器学习(深度学习)相关的会议。这篇文章就对各种会议作了很好的整理工作,节约你寻找的时间。
原文链接:https://tryolabs.com/blog/machine-learning-deep-learning-conferences/
3.【博客】Deep Neural Network from scratch
简介:
这篇博客教授你从零开始构建自己的深度学习网络,先用Python实现,然后利用 TensorFlow 实现。
原文链接:https://matrices.io/deep-neural-network-from-scratch/
4.【代码】keras-transfer-learning-for-oxford102
简介:
利用 Keras 做模型预训练(VGG16 和 Inception V3),然后利用迁移学习去预测花朵数据库的分类。
原文链接:https://github.com/Arsey/keras-transfer-learning-for-oxford102
5.【代码 & 论文】Character-Aware Neural Language Models
简介:
利用 TensorFlow 实现论文《Character-Aware Neural Language Models》,主要实现的细节包括:
- Word-level and Character-level Convolutional Neural Network
- Highway Network
- Recurrent Neural Network Language Model
原文链接:https://github.com/carpedm20/lstm-char-cnn-tensorflow
如果觉得内容有用,帮助多多分享哦 :)
长按或者扫描如下二维码,关注 “CoderPai” 微信号(coderpai)。添加底部的 coderpai 小助手,小助手会拉你进AI实战群。
如果你想加入基础算法讨论群,请加QQ群:294609183