云水木石

有木石心 具云水趣

排序：
默认
按更新时间
按访问量
RSS订阅

原 从人工智能鉴黄模型，尝试TensorRT优化

随着互联网的快速发展，越来越多的图片和视频出现在网络，特别是UCG产品，激发人们上传图片和视频的热情，比如微信每天上传的图片就高达10亿多张。每个人都可以上传，这就带来监管问题，如果没有内容审核，色情图片和视频就会泛滥。前不久，一向以开放著称的tumblr，就迫于压力，开始限制人们分享色情图片。更...

2019-05-21 09:12:18

阅读数 6

评论数 0

原 Google Colab上安装TensorRT

NVIDIA TensorRT是一个高性能深度学习推理平台。它包括深度学习推理优化器和运行时，可为深度学习推理应用程序提供低延迟和高吞吐量。推理时，基于TensorRT的应用程序比仅CPU平台的执行速度快40倍。使用TensorRT，您可以优化所有主流框架中训练出的神经网络模型。 简单说，Tens...

2019-05-15 10:35:41

阅读数 16

评论数 0

原 谷歌GPU云计算平台，免费又好用

最近一直在为深度学习模型训练而苦恼，NVIDIA GTX 960、2G显存，即使是跑迁移学习的模型，也慢的要死，训练过程中电脑还基本上动不了。曾考虑升级显卡，但当时买的是品牌机，可扩展性很差，必须要买一台新的主机。到京东上瞧了一下，RTX 2080 TI显卡的游戏主机，差不多需要两万，更别说那些支...

2019-05-14 21:57:39

阅读数 41

评论数 0

原 生命不息，折腾不止：Jetson Nano填坑之软件篇

题图：摄于武大凌波门 作为一名每天对着各种裸板的系统工程师，对Jetson Nano会踩到各种坑是做好了充分准备的，本着踩坑填坑的精神，在这里记录一下踩坑经历，供大家一乐。如何避开这些坑？想多了，因为以后你们即使绕开了这些坑，也会有其它的坑等着你:) 重要的是要做到人挡杀人、佛挡杀佛，遇到坑直接趟...

2019-05-06 19:17:01

阅读数 190

评论数 2

原 生命不息，折腾不止：Jetson Nano上手篇

自从下单Jetson Nano开发套件之后，我就每天刷一刷淘宝，看看卖家是否发货。终于，昨天系统提示卖家已发货，走的顺丰快递，今天就收到货了。盒子比想象中的小： 确实有点简陋，只有一块主板和一张保修卡，连基本的电源都没有提供： Jetson Nano开发套件并不包含Flash存储，需要另配tf...

2019-04-29 19:13:05

阅读数 318

评论数 0

译 [译] 边缘AI计算新品：NVIDIA Jetson Nano

最近下单了NVIDIA Jetson Nano开发套件，由于国内没有现货，需要过一段时间才能拿到。这几天在收集相关的资料，现翻译一篇介绍NVIDIA Jetson Nano的文章：NVIDIA Jetson Nano, a Raspberry Pi on steroids。原文地址：https:/...

2019-04-29 19:12:18

阅读数 126

评论数 0

原 不服？来跑个分！

如今，手机厂商发布新品，跑分环节一定是少不了的。就连拍照这种很难量化的指标，也要整出一个DxOMark得分，分出高下。我们对数字是如此迷恋，以至于《小王子》里面就有这样一段话： 如果你对大人们说：“我看到一幢用玫瑰色的砖盖成的漂亮的房子，它的窗户上有天竺葵，屋顶上还有鸽子……”他们怎么也想象不出...

2019-04-25 18:51:44

阅读数 88

评论数 0

原 浏览器中的机器学习：使用预训练模型

在上一篇文章《浏览器中的手写数字识别》中，讲到在浏览器中训练出一个卷积神经网络模型，用来识别手写数字。值得注意的是，这个训练过程是在浏览器中完成的，使用的是客户端的资源。 虽然TensorFlow.js的愿景是机器学习无处不在，即使是在手机、嵌入式设备上，只要运行有浏览器，都可以训练人工智能模型，...

2019-04-25 18:50:49

阅读数 23

评论数 0

原 浏览器中的手写数字识别

随着TensorFlow 2.0 alpha的发布，TensorFlow.js更新到首个正式版本1.0，TensorFlow的官网也增加了TensorFlow.js的文档，这说明TensorFlow.js不再是一个试验品。作为一名浏览器内核研发工程师，对TensorFlow.js自然充满了兴趣。 ...

2019-04-08 08:43:53

阅读数 36

评论数 0

译 [译]标准化Keras：TensorFlow 2.0中的高级API指南

Tensorflow 2.0带来的一个重大变化就是采用keras API作为TensorFlow的标准上层API，因为我在编码中使用到keras比较多，所以对这个变化感到高兴，现翻译一篇Tensorflow团队发布的文档：Standardizing on Keras: Guidance on Hi...

2019-04-02 17:03:41

阅读数 56

评论数 0

译 [译]写给初学者的Tensorflow介绍 - 2

去年我翻译了一篇文章：写给初学者的Tensorflow介绍，但这只是文章的第一部分，由于原作者迟迟没有写第二部分，我后来就把这件事情忘了。前几天，有朋友留言问为什么没有第二部分的内容，还有朋友热心的给出了第二部分的原文链接。所以在此把第二部分的内容也翻译出来，原文地址：https://medium...

2019-03-27 16:46:06

阅读数 125

评论数 0

译 [译] 调试神经网络的清单

训练深度学习模型是非常耗时的工作，没有什么比花费了好几天训练而最终结果效果不佳更让人沮丧的了。因此翻译了这篇文章: Checklist for debugging neural networks，希望能给你一点启发，尽早发现模型中的问题。原文地址：https://towardsdatascienc...

2019-03-26 10:16:11

阅读数 26

评论数 0

原 微架构模型：GoogleNet

在这篇文章中，我们将讨论一种新的网络模型GoogleNet，它和我前面所讨论的模型有所不同，表现在： 移除了全连接层，而采用全局平均池化层(global average pooling)代替，大量减少参数数量，所以相对于AlexNet和VGGNe这种巨型模型，其需要训练的参数少得多，可以节约大量...

2019-03-15 19:44:55

阅读数 1686

评论数 0

译 [译]高效的TensorFlow 2.0：应用最佳实践以及有什么变化

Tensorflow团队早早就放出了风声，Tensorflow 2.0就快来了，这是一个重要的里程碑版本，重点放在简单和易用性上。我对Tensorflow 2.0的到来充满期待，因此翻译了这篇Tensorflow团队发布的文档：Effective TensorFlow 2.0: Best Prac...

2019-03-11 22:39:04

阅读数 89

评论数 0

原 试试kaggle竞赛：辨别猫狗

在上一篇文章《深度学习中超大规模数据集的处理》中讲到采用HDF5文件处理大规模数据集。有朋友问到：HDF5文件是一次性读入内存中，然后通过键进行访问吗？答案当然不是，在前面的文章中也提到过，最后生成的train.hdf5文件高达30G，如果全部加载到内存，内存会撑爆。实际上，由于HDF5采用了特殊...

2019-02-26 20:31:21

阅读数 168

评论数 0

原 深度学习中超大规模数据集的处理

在机器学习项目中，如果使用的是比较小的数据集，数据集的处理上可以非常简单：加载每个单独的图像，对其进行预处理，然后输送给神经网络。但是，对于大规模数据集(例如ImageNet)，我们需要创建一次只访问一部分数据集的数据生成器(比如mini batch)，然后将小批量数据传递给网络。其实，这种方法在...

2019-02-22 16:43:03

阅读数 884

评论数 0

原 提高模型准确率：组合模型

各位朋友，新年好! 随着春节假期的结束，想必大家陆陆续续返回工作岗位，开始新的一年的拼搏。我也会继续努力，争取在深度学习方面更进一步，接下来，我将继续聊一聊深度学习在计算机视觉中的应用。 在前面的《站在巨人的肩膀上：迁移学习》和《再谈迁移学习：微调网络》两篇文章中，我们介绍了迁移学习的强大之处。然...

2019-02-13 19:27:03

阅读数 277

评论数 0

原 再谈迁移学习：微调网络

在《站在巨人的肩膀上：迁移学习》一文中，我们谈到了一种迁移学习方法：将预训练的卷积神经网络作为特征提取器，然后使用一个标准的机器学习分类模型（比如Logistic回归），以所提取的特征进行训练，得到分类器，这个过程相当于用预训练的网络取代上一代的手工特征提取方法。这种迁移学习方法，在较小的数据集（...

2019-01-31 09:45:07

阅读数 276

评论数 0

原 聊一聊rank-1和rank-5准确度

在我们看来，计算机就是一台严丝合缝、精密运转的机器，严格按照程序员下达的指令工作。虽然产品上线之后经常碰到迷之问题，但我们通常会检讨程序设计得不够完美，而不会认为这是理所当然。因为我们相信只要程序设计严谨，将各种意外情况考虑在内，就会消除这种不确定问题。 然而到了机器学习，特别是深度学习，很多结果...

2019-01-28 17:46:53

阅读数 622

评论数 0

原 站在巨人的肩膀上：迁移学习

在上一篇文章《使用数据增强技术提升模型泛化能力》中，我们针对训练数据不足的问题，提出采用数据增强（data augmentation）技术，提升模型的准确率。最终结果是：在17flowers数据集上，我们将准确率从60%多增加到70%，取得了不错的效果。然而，对于一个商业应用来说，70%多的准确率...

2019-01-23 20:01:21

阅读数 112

评论数 1

提示
确定要删除当前文章？
取消 删除
关闭
关闭