- 博客(24)
- 收藏
- 关注
RSS订阅原创 与 AI 博弈：从 AlphaGo 到 MuZero（四）
从 AlphaGo 到 MuZero，看 DeepMind 如何让 AI 在围棋中进化
2022-04-09 21:32:50
5427
原创 与 AI 博弈：从 AlphaGo 到 MuZero（三）
从 AlphaGo 到 MuZero，看 DeepMind 如何让 AI 在围棋中进化
2022-02-26 23:02:55
3881
原创 与 AI 博弈：从 AlphaGo 到 MuZero（二）
AlphaGo 论文地址：https://www.nature.com/articles/nature16961AlphaGo Zero 论文地址：https://www.nature.com/articles/nature24270AlphaZero 论文地址：https://arxiv.org/abs/1712.01815MuZero 论文地址：https://arxiv.org/abs/1911.08265DeepMind 官网介绍：https://deepmind.com/researc.
2022-02-07 16:40:00
2623
原创 与 AI 博弈：从 AlphaGo 到 MuZero（一）
从 AlphaGo 到 MuZero，看 DeepMind 如何让 AI 在围棋中进化
2022-01-18 00:04:27
2683
原创 DQN-[Playing Atari with Deep Reinforcement Learning]
Playing Atari with Deep Reinforcement Learning，DQN 详解
2021-12-04 23:31:06
481
原创 XGBoost: A Scalable Tree Boosting System
论文地址：https://arxiv.org/pdf/1603.02754.pdf代码地址：https://github.com/dmlc/xgboost1. INTRODUCTIONXGBoost 的全称是 eXtreme Gradient Boosting，它是经过优化的分布式梯度提升库，旨在高效、灵活且可移植。XGBoost 是大规模并行 boosting tree 的工具。在工业界大规模数据方面，XGBoost 的分布式版本有广泛的可移植性，支持在 Kubernetes、Hadoop、SGE
2021-11-21 18:37:22
764
原创 [读论文]语言视觉多模态预训练模型 ViLBERT
论文地址：https://arxiv.org/abs/1908.02265代码实现：https://github.com/facebookresearch/vilbert-multi-task 图1.ViLBERT 模型由视觉（绿色）和语言（紫色) 组成，它们通过 co-attentional transformer layer 进行互动。这种结构允许每种模式有不同的深度，并通过共同注意力实现稀疏的互动。带有乘数下标的虚线框表示重复的块。1. Introduction 针对视觉和语言任务的预训练
2021-10-04 08:32:11
1567
2
原创 [读论文]弱监督学习的精确 3D 人脸重建：从单个图像到图像集-Accurate 3D Face Reconstruction with Weakly-Supervised Learning:From
论文地址：Accurate 3D Face Reconstruction with Weakly-Supervised Learning:From Single Image to Image Set1. 摘要 最近，基于深度学习的 3D 人脸重构方法在质量和效率方面都显示出很好的效果。然而，训练深度卷积神经网络通常需要大量数据，而具有真实三维脸部形状的脸部图像却很少。在本文中，作者提出了一种新颖的深度 3D 人脸重建方法。具有以下优势：为弱监督学习提供了一个鲁棒的混合损失函数，该函数考虑到了监督的
2021-09-12 19:49:54
958
原创 详解Deep Learning中的各种激活函数
## 1. 什么是激活函数？ 在神经网络中，一个节点的激活函数定义了给定输入或一组输入的输出。一个标准的集成电路可以看作一个由激活函数组成的数字网络，根据输入可以“开”（1）或“关”（0）。这类似于神经网络中的线性感知机。然而只有非线性激活函数才能使这种网络只用少量的节点来计算非线性问题。 在深度学习中，我们之所以要使用诸如 ReLU，Sigmoid 以及 Tanh 等激活函数是为了增加一个非线性属性。通过这种方式，得到的网络可以模拟数据更复杂的关系和模式，拥有更好的泛化能力。1.1. 回顾：前向
2021-08-08 22:23:21
578
原创 详解 Deep Learning 的各种优化器（二）
梯度下降是优化神经网络和许多其他机器学习算法的首选方法。本文将介绍各种基于梯度下降的优化器，如 Momentum，Adagrad 以及 Adam 的具体细节本文将讲解以下概念：Gradient DescentBatch Gradient DescentStochastic Gradient Descent（SGD）Min-batch Gradient DescentMomentumNesterov accelerated gradient（NAG）AdagradAdadeltaR.
2021-07-15 22:32:34
166
2
原创 详解 Deep Learning 的各种优化器（一）
作者：Redflashing 梯度下降是优化神经网络和许多其他机器学习算法的首选方法。本文将介绍各种基于梯度下降的优化器，如 Momentum，Adagrad 以及 Adam 的具体细节本文将讲解以下概念：Gradient DescentBatch Gradient DescentStochastic Gradient Descent（SGD）Min-batch Gradient DescentMomentumNesterov accelerated gradient（NAG）Ada
2021-06-01 23:28:26
235
5
原创 Deep Learning中如何选择GPU？（二）
作者：Redflashing深度学习通常需要大规模的计算需求，作为主要运算硬件的GPU的选择决定了深度学习的体验。但是如何去选择新的GPU，哪些GPU特性十分重要？GPU RAM，核心（Core）数量，张量核心（Tensor Core）数量？如何做出最具性价比的选择？本文通过深入探讨这些问题，主要针对Ampere系列显卡为选购适用于深度学习GPU的小伙伴们给出最合适的建议。总结避免在矿潮期间购置价格高昂的显卡。同样，在矿难后避免买到翻新矿卡尽量避免使用笔记本进行深度学习训练，同种显卡型号下台式
2021-04-09 00:00:09
1292
2
原创 Deep Learning中如何选择GPU？（一）
作者：Redflashing文中图片均来自于NVIDIA官方文档或NVIDIA社区博客深度学习通常需要大规模的计算需求，作为主要运算硬件的GPU的选择决定了深度学习的体验。但是如何去选择新的GPU，哪些GPU特性十分重要？GPU RAM，核心（Core）数量，张量核心（Tensor Core）数量？如何做出最具性价比的选择？本文通过深入探讨这些问题，主要针对Ampere系列显卡为选购适用于深度学习GPU的小伙伴们给出最合适的建议。总结避免在矿潮期间购置价格高昂的显卡。同样，在矿难后避免买到翻
2021-03-07 00:32:29
1631
5
原创 详述Deep Learning中的各种卷积（四）
作者：Redflashing本文梳理举例总结深度学习中所遇到的各种卷积，帮助大家更为深刻理解和构建卷积神经网络。本文将详细介绍以下卷积概念：2D卷积（2D Convolution）3D卷积（3D Convolution）1∗11*11∗1卷积（1∗11*11∗1 Convolution）反卷积（转置卷积）(Transposed Convolution）扩张卷积（Dilated Convolution / Atrous Convolution)空间可分卷积（Spatially Separ
2021-01-24 11:44:36
2322
11
原创 详述Deep Learning中的各种卷积（三）
作者：Redflashing本文梳理举例总结深度学习中所遇到的各种卷积，帮助大家更为深刻理解和构建卷积神经网络。本文将详细介绍以下卷积概念：2D卷积（2D Convolution）3D卷积（3D Convolution）1∗11*11∗1卷积（1∗11*11∗1 Convolution）反卷积（转置卷积）(Transposed Convolution）扩张卷积（Dilated Convolution / Atrous Convolution)空间可分卷积（Spatially Separ
2021-01-22 13:59:07
285
原创 详述Deep Learning中的各种卷积（二）
作者：Redflashing本文梳理举例总结深度学习中所遇到的各种卷积，帮助大家更为深刻理解和构建卷积神经网络。本文将详细介绍以下卷积概念：2D卷积（2D Convolution）3D卷积（3D Convolution）1∗11*11∗1卷积（1∗11*11∗1 Convolution）反卷积（转置卷积）(Transposed Convolution）扩张卷积（Dilated Convolution / Atrous Convolution)空间可分卷积（Spatially Separ
2021-01-18 00:12:56
516
1
原创 详述Deep Learning中的各种卷积（一）
详述Deep Learning中的各种卷积（一）作者：Redflashing本文梳理举例总结深度学习中所遇到的各种卷积，帮助大家更为深刻理解和构建卷积神经网络。本文将详细介绍以下卷积概念：2D卷积（2D Convolution）3D卷积（3D Convolution）1∗11*11∗1卷积（1∗11*11∗1 Convolution）反卷积（转置卷积）(Transposed Convolution）扩张卷积（Dilated Convolution / Atrous Convolutio
2021-01-13 20:07:09
593
1
原创 Paddle2.0让你成为诗词大师-PaddlePoetry
本教程将通过一个示例对LSTM进行介绍。通过搭建训练LSTM网络，我们将训练一个模型来生成唐诗。本文将对该实现进行详尽的解释，并阐明此模型的工作方式和原因。并不需要过多专业知识，但是可能需要新手花一些时间来理解的模型训练的实际情况。为了节省时间，请尽量选择GPU进行训练。1 简介本项目基于paddlepaddle2.0，结合长短期记忆（Long short-term memory, LSTM）,以唐诗为数据集通过监督学习的方式，训练生成唐诗。参考文档：http://colah.github.io..
2020-12-13 11:27:59
510
原创 黑苹果开启硬件加速(Clover)
本文通过Clover实现对老电脑的硬件加速，有时间我会更新用OpenCore黑苹果的教程教程是从远景和tonymacx86上整理参考的，有一些资料是直接复制粘贴的，侵删如何开启核显独显硬件编码加速和HEVC支持以及解决FCPX 10.13.X中的视频渲染问题本方法通过开启核显独显硬件加速来解决FCPX软件问题及软件造成的系统问题，不用这些软件的朋友同样适用很多人反应，系统升级到10.13以后，使用包括核显/独显（包括A卡N卡）/核显加独显的机子，系统在进行视频剪辑渲染输出的时候均会出现很多问题，主要
2020-12-10 19:43:19
14293
2
原创 用Paddle自动生成二次元人物头像
用Paddle自动生成二次元人物头像想画出独一无二的动漫头像吗？不会画也没关系！只需要输入一些随机数让卷积神经网络为你画出精致并且独一无二的动漫头像！同时本项目也是绝佳的学习DCGAN的例子，通过趣味解读深入浅出地了解GAN的魔法世界!快开始制作你自己的二次元头像吧!!!先来看看效果图欢迎大家fork学习~有任何问题欢迎在评论区留言互相交流哦这里一点小小的宣传，我感兴趣的领域包括迁移学习、生成对抗网络、。欢迎交流关注。来AI Studio互粉吧等你哦 1 项目简介本项目基于
2020-12-10 12:07:58
2030
2
原创 飞桨PaddleColorization-黑白照片着色
PaddleColorization-黑白照片着色将黑白照片着色是不是一件神奇的事情？本项目将带领你一步一步学习将黑白图片甚至黑白影片的彩色化黑白照片着色我们都知道，有很多经典的老照片，受限于那个时代的技术，只能以黑白的形式传世。尽管黑白照片别有一番风味，但是彩色照片有时候能给人更强的代入感。本项目通过通俗易懂的方式简单实现黑白照片着色并对部分照片取得不错的着色效果。黑白照片着色是计算机视觉领域经典的问题。近年来随着卷积神经网络（CNN）的广泛应用，通过CNN为黑白照片着色成为新颖且可行
2020-12-09 10:34:45
643
原创 Manacher‘s Algorithm 马拉车算法（python实现）
纯手打+做图，禁止转载马拉车算法 Manacher‘s Algorithm 是用来查找一个字符串的最长回文子串的线性方法，这个方法的最大贡献是在于将时间复杂度提升到了线性O(n)。—马拉车算法利用回文串的特性来避免重复计算—第一步：在输入字符串每个字符之间都插入一个“#”，如：S=“abcbaade”，插入后字符串变为S’=“#a#b#c#b#a#a#d#e#”。易知，插入的“#”的个数和字符串字符个数奇偶性不同，所以处理后的字符串长度变为奇数，这一步统一了字符串的奇偶性第二步：新建数组P[]，P[
2020-12-08 13:57:01
541
原创 Paddle2.0-通过DCGAN实现人脸生成
Paddle2.0-通过DCGAN实现人脸图像本教程将通过一个示例对DCGAN进行介绍。在向其展示许多真实人脸照片（数据集：Celeb-A Face）后，我们将训练一个生成对抗网络（GAN）来产生新人脸。本文将对该实现进行详尽的解释，并阐明此模型的工作方式和原因。并不需要过多专业知识，但是可能需要新手花一些时间来理解的模型训练的实际情况。为了节省时间，请尽量选择GPU进行训练。1 简介本项目基于paddlepaddle，结合生成对抗网络（DCGAN）,通过弱监督学习的方式，训练生成真实人脸照片1.1
2020-12-08 12:53:05
1134
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人