人工智能技术
文章平均质量分 73
AI深度学习算法实战代码解读
AI深度学习算法解读 AI最新技术与算法代码实战 分享AI创新应用产业与案例
展开
-
Nvidia最新基于大规模知识库文本预测模型原理(文本知识内涵)
基于大规模知识库的大规模文本生成训练模型与普通的文本摘要技术/机器翻译模型(seq2seq)不同,要训练具有广泛内容要义的文本,精确的表达文本主题的意思,包含知识解释融合在内的模型,需要针对输入文本,借助大规模知识文库,进行文本中词汇的知识检索,譬如金融常用文本中涉及的并购/拆借/股权融资等专业知识领域,如何翻译或生成符合金融场景和内涵的文本至关重要,对于生成结果的质量和可解释性。那么如何把大规模的知识库加入到文本训练模型中,提高翻译与生成文本的精度/内涵呢?最新NVIDIA技术团队研究推出适用于该原创 2020-10-27 10:41:32 · 589 阅读 · 0 评论 -
AI+工业制造的核心点应用梳理(一)
1.AI业内生产制造流程分析识别并及时更新生产设备、生产工具、制造流程、制造指标2.识别预测机器寿命维护与更换调试、技术更新记录收集机器特性、使用模态、维护模态、操作人员及人机互动信息、机器故障与维修历史记录、机器主动与被动维护操作、明细特性和其他因素来建立机器寿命与资产预测型维护更换调试统计模型。3.AI知识库建立,促进操作间和管理室经理的技术知识应用型掌握摸底操作间员工与管理室员工的需求和技术知识掌握需求程度,鼓励创新型激励+应用导向的吸收型培训方案+AI企业知识资产(包含机器知识与操作信原创 2020-05-09 18:32:03 · 1156 阅读 · 0 评论 -
变分VAE 编码器网络《一 编码过程:代码实现》
import kerasfrom keras import layersfrom keras import backend as Kfrom keras.models import Modelimport numpy as npimg_shape = (28, 28, 1)batch_size = 16latent_dim = 2input_img = keras.Input(s...原创 2020-04-27 23:05:11 · 432 阅读 · 0 评论 -
AI双摄摄像头的视觉照片处理模型
from keras import layersfrom keras import applicationsfrom keras import Inputxception_base = applications.Xception(weights=None,include_top=False)left_input = Input(shape=(250, 250, 3))right_inp...原创 2020-04-26 10:59:24 · 579 阅读 · 0 评论 -
提升长文识别的速度
NLP中,针对过长的文章,可以使用一维卷积+GRU来处理from keras.models import Sequential from keras import layers from keras.optimizers import RMSprop model = Sequential() model.add(layers.Conv1D(32, 5, activation='rel...原创 2020-04-23 15:41:14 · 244 阅读 · 0 评论 -
智能访客DTW视频解析《二》——潜在购买空调价格预测
到访客户的订购空调价格purchase prx = layers.Conv1D(128, 5, activation='relu')(embedded_posts)x = layers.MaxPooling1D(5)(x)x = layers.Conv1D(256, 5, activation='relu')(x)x = layers.Conv1D(256, 5, activation='...原创 2020-04-20 21:50:52 · 277 阅读 · 0 评论 -
python数据挖掘实战 -数据预处理篇(数据可视化-空值填充-哑变量编码)
数据从业务中来,到业务中去商业数据如何真正服务业务,解决具体的业务场景?废话不多说,LIST如下:1.了解业务收集业务背景信息,了解业务发展现阶段,弄清楚公司现在面对的核心市场、核心人群、产品推广和营收的核心目标以及当前重点的问题。2.了解数据盘点现有数据底层,每家公司的核心数据资产不同,拥有的数据底层也不同。电商产品用户的转化路径数据、购买数据占主要部分,社区类的产品用户评论,非结构...原创 2019-08-09 21:18:22 · 1647 阅读 · 3 评论 -
最新tensorflow2.0 RC 版【Tensorflow2.0rc版本安装】
TensorFlow 2.0终于迎来Release Candidate版本,新特性一览,附完整更新日志本文转载自:专知链接地址:http://mp.weixin.qq.com/s?src=11×tamp=1567181115&ver=1822&signature=t5n2AjpXgGKf51ckc386VEdV5Ie14eJaWVep6clBtpcP8VYfg...转载 2019-09-08 21:57:02 · 2688 阅读 · 0 评论 -
Tensorflow2.0版本高效实用指南快速上手3个建议——Tensor2.0版本与1.0版本有哪些改动之处
本文转载youlan博客:Tensorflow2.0版本高效指南为提高 TensorFlow 的工作效率,TensorFlow 2.0 进行了多项更改,包括删除了多余的 API,使API更加一致统一,例如统一的 RNNs (循环神经网络),统一的优化器,并且Python 运行时更好地集成了 Eager execution 。许多 RFC 已经对 TensorFlow 2.0 的这些更改给出了...转载 2019-09-08 21:57:41 · 4875 阅读 · 0 评论 -
tensorflow2.0 rc版使用教程 常用操作集合系列1——Layer自定义层的设计add.weight(w,b权重设置)
今天分享的是如何使用tensorflow2.0展开自定义层Layer的设计。注意点1权重初始化如下:w_initial=tf.random_normal_initializer()b_initial=tf.zeros_initializer()Class Mydense(Layers.layer):#例如Linear层 y=wa+b def _init_(self,input_di...原创 2019-09-12 12:52:57 · 7396 阅读 · 1 评论 -
安装太慢【 推荐】tensorflow2.0清华镜像 ——附tensorflow2.3.0【新版本】介绍与安装教程
一般安装 tensorflow2.0操作如下:pip install tensorflow==2.0-alpha0但是速度太慢 所以找了下国内tensorflow2.0的镜像https://pypi.tuna.tsinghua.edu.cn/simple安装试试:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensor...原创 2019-09-12 14:31:37 · 16613 阅读 · 1 评论 -
tensorflow2.0系列-6 基于keras构建CNN交通标识图像检测模型【tensorflow2.0实战教程 图像识别模型代码】
【AI算法推荐】:tensorflow2.0建模教程系列【导读】在tensorflow2.0建模系列教程中,前四节我们用代码演绎了:系列1:如何用tf2.0进行自定义层网络的设计(add.weight)系列2:如何用tf2.0进行自定义模型的设计(Model)系列3:如何用tf2.0实现loss函数和参数调优(loss gradient optimizer)系列4:.如何用tf2.0...原创 2019-09-20 17:58:22 · 4483 阅读 · 8 评论 -
bert中文文本情感分类 微博评论挖掘之Bert实战应用案例-文本情感分类
Bert模型全称Bidirectional Encoder Representations from Transformers,主要分为两个部分:1训练语言模型(language model)的预训练(pretrain)部分,2训练具体任务(task)的fine-tune部分。Bert在NLP领域横扫了11项任务的最优结果,可以说是现今最近NLP中最重要的突破。 相比较之前的Word Emb...原创 2019-07-15 18:25:27 · 7792 阅读 · 11 评论 -
【tensorflow2.0教程 常用操作集合系列4】损失函数正则化—tf2.0如何解决模型过拟合问题
在tensorflow2.0建模系列教程中,前三节我们用代码演绎了:1如何用tf2.0进行自定义层网络的设计(add.weight)2如何用tf2.0进行自定义模型的设计(Model)3如何用tf2.0实现loss函数和参数调优(loss gradient optimizer)本节系列四主要是教大家如何运用tf2.0来解决神经网络模型训练过程中常出现的过拟合问题。我们都知道模型训练出来经常...原创 2019-09-17 13:44:25 · 4653 阅读 · 0 评论 -
tensorflow2.0系列5-基于keras构建深度学习分类模型 【tensorflow2.0教程 常用操作集合系列5】
【AI算法推荐】:tensorflow2.0建模教程系列【导读】在tensorflow2.0建模系列教程中,前四节我们用代码演绎了:系列1:如何用tf2.0进行自定义层网络的设计(add.weight)系列2:如何用tf2.0进行自定义模型的设计(Model)系列3:如何用tf2.0实现loss函数和参数调优(loss gradient optimizer)系列4:.如何用tf2.0...原创 2019-09-19 18:43:39 · 2175 阅读 · 0 评论 -
智能访客到店视频推荐系统——PART-I (访客视频挖掘多输出模型——AI预测到门店顾客收入、年龄、婚姻状态)
本文以访客到店视频,解析AI预测顾客收入、年龄、婚姻状态这三项,构建访客视频用户挖掘-精准产品组合推荐系统的PART1。from keras import layersfrom keras import Inputfrom keras.models import Modelvocabulary_size = 50000num_income_groups = 10posts_input ...原创 2020-04-19 15:29:33 · 499 阅读 · 1 评论 -
智能访客到店视频推荐系统——PART-I (AI访客视频挖掘——精准预测到门店顾客收入、年龄、婚姻状态)
本文以访客到店视频,解析AI预测顾客收入、年龄、婚姻状态这三项,构建访客视频用户挖掘-精准产品组合推荐系统的PART1。from keras import layersfrom keras import Inputfrom keras.models import Modelvocabulary_size = 50000num_income_groups = 10posts_input ...原创 2020-04-19 15:26:16 · 438 阅读 · 0 评论 -
自然语言处理之AI双向循环Bidirectional-LSTM
文本理解的方式越丰富越好,对同样的文本数据产生不同的表达方法(编码方式),组合型表达,不管是正序型循环表示还是倒序型表示,数据表达差异越多,提供足够的视角去看待数据本身,挖掘出来不同层面和角度的蕴含在数据中的信息。特别是时序在文本中有相对重要位置,对理解句子意义本身占据较大重要性时。在keras中,双向循环LSTM是蕴含在Bidirectional层中的,我们只要调用keras.layers层...原创 2020-04-17 15:17:14 · 3912 阅读 · 0 评论 -
【图像识别Bert版】运用AI解决样本过少的问题,提高图像识别效果——加入VGG16预训练基(卷积神经网络)
现实中,存在一些深度学习任务,某些样本的数据集样本量较少,面对这样的情况,我们该怎么做呢?通常有如下几种方式:1数据增强,通过图像裁剪,水平翻转等方式丰富有限的样本集。2使用在大规模多种类数据集上训练好的AI模型,例如VGG16,ResNet,作为预训练模型,使得小样本集在通用的特征提取器运作。3由于数据集较少,在构建训练模型时,可以加入Dropout层,避免样本局限带来的过拟合...原创 2020-04-15 23:05:50 · 1779 阅读 · 0 评论 -
运用AI进行数据预处理加速 ——英伟达 DALI平台
多种多样的结构化和文本/图像等非结构化数据,譬如矩阵操作/标准化normalize/图像水平翻转等,深度学习应用程序需要复杂的多阶段预处理数据管道。此类数据管道涉及在CPU上执行的计算密集型操作。例如,诸如:从磁盘加载数据,解码,裁剪,随机调整大小,颜色和空间扩充以及格式转换等任务主要在CPU上执行,从而限制了训练和推理的性能和可伸缩性。DALI当前支持计算机视觉任务,例如图像分类,识别和对象...原创 2020-04-14 23:24:43 · 1232 阅读 · 0 评论 -
【图像CNN识别】Keras之父提出可替代Conv2D的深度可分离卷积——快速提升视觉识别模型
《AI工匠BOOK》持续更新AI算法与最新应用,如果您感兴趣,欢迎关注AI工匠(AI算法与最新应用前沿研究)。 在Keras之父的深度学习书中,设计了一种让图像识别任务性能提高几个百分点的网络层,该网络层不仅可以替代 Conv2D ,并可以让模型更加轻量、用较少的可训练权重参数、速度更快,该网络层正是深度可分离卷积(depthwise separable convolution)层( Sepa...原创 2020-04-03 18:14:12 · 1256 阅读 · 0 评论 -
算法工程师/数据分析师投简历时,必掌握的三个小技巧
互联网数据分析师/数据建模/算法工程师投递简历时,可以借鉴以下三个技巧:PART1.理解岗位关键词,针对理想公司的目标岗位,分析岗位需要的技能和经验,重点捕捉关键能力词:例如SQL能力,业务分析理解能力,数据建模调参调优能力。针对自己的简历,按照关键技能词语,检查已经具备并且在简历里描述出来的有哪些。还有哪些尚有不足的地方,或者简历中没有描述出来的地方,注重突出是否需要的关键项简历中呈现出来。...原创 2020-03-22 16:38:12 · 1085 阅读 · 0 评论 -
【推荐】热门的图神经网络GCN原理剖析 +源码分享
图神经网络近来已火很久,重点是针对关系型数据(关系型数据最早的表示即原始的图网络:节点,边,权重)展开深度学习,进行标签分类等数据工作。以上是GCN的核心工作原理类似于图像压缩工程:1.图像像素矩阵化2.傅里叶变换(拉普拉朗斯矩阵)3.使用特征值作为权重 选取排名前K个特征值代表的维度(类似于PCA降维后保留的核心维度)作为坐标轴,转换分解原图数据4.以上三步得到类似于CNN 卷积层C...原创 2020-03-11 23:53:45 · 959 阅读 · 0 评论