人工智能算法
文章平均质量分 53
小饕
吃货闷骚理工男
展开
-
我就想让计算机识别一瓶可乐,并把他拿起来 (3)
五年前我想通过计算机识别一瓶可乐并把它拿起来,并从工程角度来分析了可行性,一步步的去研究,找了很多资料和书籍,觉得自己的经验和学识都不够解决这些问题。于是我去自学了机器学习和深度学习课程,接触到了这个领域后,我的视野拓宽了,还结识了一些资深大佬,大佬们给我指明了研究方向。作为现代计算机工程学的最大哲学就是,你不要重复造车轮,去找现成的方案,站在巨人的肩膀上解决问题。识别可乐就是个目标检测问题,可以用yolov,或者自己训练模型去识别图片也行,总之问题不大。可是把可乐拿起来,难度就大的多了,要做一个机器原创 2022-03-02 22:26:04 · 335 阅读 · 0 评论 -
pix2code:从UI截图直接生成代码的神经网络工具
当前端同学被UI设计折磨的时,当你崩溃着想让界面看起来与设计稿相同时,脑海中一定有过很多种将图片直接生成代码的幻想吧。是的!黑科技出现了!最近一个名叫pix2code的项目,通过深度神经网络,可以从截图直接生成 UI 代码,牛不牛逼!啥也不说了,先来看看视频内容:pix2code 是由UIzard的哥本哈根创业公司开发的,目前pix2code所生成代码的准确率已经达到77%,并且能够兼转载 2017-09-11 14:20:14 · 1759 阅读 · 0 评论 -
Conda常用命令整理
主要参考Anaconda官方指南Using Conda:https://conda.io/docs/using/index.html环境:Win10 64bit with conda 4.3.14 以下命令均在windows命令行中输入。一般来讲,无论是在Linux,OS X还是在windows系统中,在命令行窗口中输入的conda命令基本是一致的,除非有特别标注。0.获取版本号c转载 2018-01-08 15:20:14 · 5515 阅读 · 0 评论 -
一文了解 2018年最火爆的30个机器学习项目
关键时刻,第一时间送达!机器学习是当前最为火爆的话题之一,机器学习的开源项目也层出不穷,让人目不暇接。本文从受欢迎程度方面,对比以及挑选出了去年发布的30个最火的机器学习项目。下面,让我们一起来看看,2018年究竟有哪些机器学习的开源项目最受开发者的喜爱吧。FastTextGithub代码库:https://github.com/facebookresearch/fastTextGithub给星:...转载 2018-03-08 10:30:06 · 757 阅读 · 0 评论 -
302页吴恩达Deeplearning.ai课程笔记,详记基础知识与作业代码
302页吴恩达Deeplearning.ai课程笔记,详记基础知识与作业代码吴恩达的 DeepLearning.ai 已经于 1 月 31 日发布了最后一门课程。近日,来自重庆大学的 Wan Zhen 制作了一份深度学习专项课程笔记,该笔记从神经网络与深度学习基础、提升深度神经网络性能和卷积神经网络三门课程出发详细解释了关键概念与作业代码。本文概括性地介绍了这三课的主要内容,并选择每个课程主题比较...转载 2018-02-23 10:07:57 · 1401 阅读 · 0 评论 -
Udacity 深度学习项目2(Project2) Image Classification 解析
本项目需要搭建一个简单的卷积神经网络(CNN)来对 CIFAR-10 数据进行图片分类。本文记录了这个项目的一些注意事项。1.数据的预处理:对于CIFAR-10 的图片数据,首先要做归一化处理。对于 Label 数据,要做 one-hot-encoder 处理。 One-hot-encoder 可以利用 sklearn 中的 Preprocessi...转载 2018-02-25 08:17:52 · 555 阅读 · 0 评论 -
如何在linux上搭建深度学习环境 :Ubuntu16.04 上显卡驱动、CUDA、cuDNN、tensorflow安装
1,首先要有台牛逼的主机,主机上要有英伟达的显卡 NVIDIA+CUDA目前在机器学习领域的地位还无人能够撼动如何配主机请参照以下链接https://www.zhihu.com/question/33996159/answer/1026914142,Ubuntu系统安装好,考虑到大多数人都要装双系统具体可以参考以下链接https://blog.csdn.net/chandoudeyuyi/arti...原创 2018-05-02 17:10:57 · 900 阅读 · 0 评论 -
西瓜书第一章笔记
本章从如何挑选西瓜的经验出发,介绍了本书所涉及基本术语和概念。数据集、样本、特征(属性)、特征空间(属性空间、样本空间、输入空间)、特征向量、维数;学习(训练)、训练数据、训练样本、假设、预测、标记、样例、标记空间(输出空间)、测试、测试样本;分类、回归、聚类、簇、监督、无监督、泛化能力;归纳、演绎、概念学习、假设空间、版本空间;归纳偏好(偏好)、奥卡姆剃刀; 同...原创 2018-07-25 13:50:10 · 556 阅读 · 0 评论 -
西瓜书第二章笔记
概念错误率(error rate):分类错误的样本数占样本总数的比例精度(accuracy):精度 = 1 - 错误率误差(error):学习器的实际预测输出与样本的真实输出之间的差异训练误差(training error)/经验误差(empirical error):学习器在训练集上的误差泛化误差(generalization error):学习器在新样本上的误差过拟合(...原创 2018-07-25 13:52:10 · 1034 阅读 · 0 评论 -
2018 年将打响 AI 战争,7 条实战经验帮你战胜恐惧
你来或不来,人工智能的浪潮都已袭来。顺潮流者兴,逆潮流者只能被狠狠甩在后面。编者按:不管是对科技巨头还是对创业公司,人工智能可以说是移动互联网时代以来最大的一个机遇。但是,人工智能同时也是让大多数人感到非常困惑的一项新技术,对它的发展现状和未来都非常迷惑。为了消除人们对人工智能的迷惑,本文首先将简单介绍人工智能的一些发展现状,接着会重点罗列几个不同行业的不同企业顺应和利用人工智能潮流的7条...转载 2018-09-05 13:39:38 · 295 阅读 · 0 评论 -
精读西瓜书(第九章-聚类)-聚类任务
在'无监督学习'(unsupervised learning)中, 训练样本的标记信息是未知的, 目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律, 为进一步的数据分析提供基础.“聚类”(clustering)算法是“无监督学习”算法中研究最多、应用最广的算法,它试图将数据集中的样本划分为若干个通常是不相交的子集,每个子集称为一个“簇”(cluster)不同的簇分布代表着聚类算法...原创 2018-10-18 17:11:34 · 1429 阅读 · 0 评论 -
堆——神奇的优先队列(上) 【经典】
堆是什么?是一种特殊的完全二叉树,就像下面这棵树一样。 有没有发现这棵二叉树有一个特点,就是所有父结点都比子结点要小(注意:圆圈里面的数是值,圆圈上面的数是这个结点的编号,此规定仅适用于本节)。符合这样特点的完全二叉树我们称为最小堆。反之,如果所有父结点都比子结点要大,这样的完全二叉树称为最大堆。那这一特性究竟有什么用呢? 假如有14个数分别是99、5、36...转载 2018-12-27 10:56:37 · 159 阅读 · 0 评论 -
堆——神奇的优先队列(下) 【经典】
接着上一Pa说。就是如何建立这个堆呢。可以从空的堆开始,然后依次往堆中插入每一个元素,直到所有数都被插入(转移到堆中为止)。因为插入第i个元素的所用的时间是O(log i),所以插入所有元素的整体时间复杂度是O(NlogN),代码如下。 1 2 3 4 5 6 7 n=0; for(i=1;i<=m;i+...转载 2018-12-27 11:27:36 · 181 阅读 · 0 评论 -
iOS 图片风格转换(CoreML)
1. 前言 图片风格转换最早进入人们的视野,估计就是Prisma这款来自俄罗斯的网红App。他利用神经网络(多层卷积神经网络)将图片转换成为特定风格艺术照片。利用图片风格转换算法,我们可以将一个图片放入以及训练好的神经网络模型进行预测结果得到风格迥异,独具特色的图片。随着iOS11苹果推出了CoreML,我们可以很轻松将训练好的这些风格转换模型转换成为苹果的CoreML Model,并使用这转载 2017-09-11 09:34:47 · 970 阅读 · 0 评论 -
深度学习哪家强?吴恩达、Udacity和Fast.ai的课程我们替你分析好了
引言过去2年,我一直积极专注于深度学习领域。我对深度学习的兴趣始于2015年初,那个时候Google刚刚开源Tensorflow。我根据Tensorflow的文档快速地尝试了几个例程,当时的感觉是深度学习并不简单。部分原因是因为深度学习的框架很新,也需要更好的硬件支持和耐心来摸索。 时间快进到2017年,我已经在深度学习的项目上花费了几百个小时。并且由于软件(易用性,例如Ker原创 2017-08-22 09:37:07 · 4211 阅读 · 0 评论 -
[译] iOS 11:机器学习人人有份
原文地址:iOS 11: Machine Learning for everyone原文作者:Matthijs Hollemans译文出自:掘金翻译计划译者:Changkun Ou校对者:wilsonandusaatuoooWWDC 2017 使一件事情变得非常清楚,那就是:Apple 正在全力以赴地支持「设备上的机器学习」了。他们希望 App 的开发者们能够尽可能的简单的加入转载 2017-06-28 14:39:12 · 714 阅读 · 0 评论 -
谷歌发布机器学习服务“Cloud Machine Learning”
Google今天宣布了两项服务,一个全新服务以及一个预览版。这两个服务都是谷歌持续改进自身的一部分,让谷歌不仅是一个建造机器学习资源工具的提供商,还能够为应用提供预先访问API。Cloud Machine Learning(CML)可以以插件的形式进入谷歌其他的存储、查询和数据处理等产品,并生成机器学习模型。其数据源是Google Cloud Dataproc,此前宣布是用于管理Hapoop和转载 2016-03-28 10:19:07 · 2078 阅读 · 0 评论 -
我就想让计算机识别一瓶可乐,并把他拿起来 (2)
经过了一段时间的研究,发现实现要使用机器视觉识别一瓶可乐方法真是多如牛毛,信息太多整理的我头都炸了,经过整理和归纳我打算采用开源的的跨平台的库来实现识别可乐的任务,于是我买了《openCV编程入门》。 这本书打开了另一片天地,openCV集合了多种用作机器视觉的基础算法,这对数学知识匮乏的本人来说真的是天上掉馅饼的好消息。而且这个库集成了很多人工智能,机器学习的基本算法,我个人感原创 2016-06-04 16:04:37 · 1217 阅读 · 2 评论 -
我就想让计算机识别一瓶可乐,并把他拿起来(1)
有一天我觉得好无聊,懒在沙发上看电影,突然想喝可乐,但是可乐在冰箱里,我只要站起来走到冰箱那里,打开冰箱然后拿起可乐,好简单的事情啊,但是我好懒,不想动啊!突然灵光一闪我的人生有了目标,你说这么简单的事情让计算机去做怎么样,作为一个程序猿让计算机去解决问题简直是深入骨髓的事情,就像我们做过的无数项目一样,我们先进行可行性分析,然后立项。1,首先我们先把这个看似简单地项目分解,先明确需求原创 2016-03-28 11:48:04 · 1326 阅读 · 1 评论 -
mac 下使用Docker安装搭建tensorflow环境
“谷歌”+“深度学习”,两个标签让2015年12月才由谷歌开源的深度学习工具TensorFlow在其发布之后就迅速地成为了全球最为炙手可热的开源项目,2016年4月,开源的TensorFlow又支持了分布式特性,向着生产环境下的应用更进一步。国内有人翻译了成套的tensorflow文档,链接如下:http://wiki.jikexueyuan.com/project/tensorflo原创 2016-08-08 15:30:26 · 4745 阅读 · 0 评论 -
收集的深度学习论文和资料
谷歌发布TensorFlow Serving开源项目:更快的将深度学习模型产品商业化谷歌在人工智能领域具有无可比拟的优势,这款是可以商业化的模型,是搭建深度学习产品的不二选择近200篇机器学习&深度学习资料分享想看的懂最新的人工智能论文和相关资料么?请点入【推荐】(论文+代码)Google DeepMind新作:Exploiting Cycl原创 2016-07-18 09:56:32 · 454 阅读 · 0 评论 -
如何快速入门深度学习
深度学习必备基础深度学习发展至今已然有几个年头了,上个世纪九十年代的美国银行率先使用深度学习技术做为手写字体识别,但深度学习的惊艳登场并没有留住它一时的辉煌, 直到2012年深度学习这个领域才开始渐入人们的眼帘。可以说我们现在拥有着绝佳的学习机会,世界顶级的会的议论文,各大数据库公开的数据源以及开源的力量已经让我们站在了巨人的肩膀上去成长。下面就给大家分享一份深度学习入门指南,转载 2016-08-18 13:38:49 · 507 阅读 · 0 评论 -
吴军《智能时代》读书笔记
作者写这本书的时候时刻透露出自己对于人类文明的了解,和深深的人文情怀!在第一章里首先吴军从历史角度讲述了人类使用数据的实例,得出结论人类认识自然和科学实践的过程中总是伴随着数据的使用,获得和利用数据的水平反映出文明的水平。数据将成为下一次技术革命和社会变革的核心动力。第二章大数据和机器智能人工智能的算法从70年代就被发明,但是由于数据规模的局限性,机器表现的智能程度具有很大的局限性。当原创 2016-08-08 23:04:39 · 3176 阅读 · 0 评论 -
机器学习工程师需要了解的十种算法
毫无疑问,近些年机器学习和人工智能领域受到了越来越多的关注。随着大数据成为当下工业界最火爆的技术趋势,机器学习也借助大数据在预测和推荐方面取得了惊人的成绩。比较有名的机器学习案例包括Netflix根据用户历史浏览行为给用户推荐电影,亚马逊基于用户的历史购买行为来推荐图书。那么,如果你想要学习机器学习的算法,该如何入门呢?就我而言,我的入门课程是在哥本哈根留学时选修的人工智能课程。老师是丹麦科技转载 2016-08-22 09:54:30 · 619 阅读 · 0 评论 -
深度学习动手实践:用 TensorFlow 打造“会看”的机器人
本文首发于微信公众号:新智元。文章内容属作者个人观点,不代表和讯网立场。投资者据此操作,风险请自担。1 新智元编译1 来源:oreilly.com 作者:Lukas Biewald 译者:刘小芹 (文/Lukas Biewald)物体识别是当前机器学习最热门的方向。计算机早已能够识别如人脸、猫之类转载 2016-10-21 10:41:20 · 3181 阅读 · 0 评论 -
开发者入门必读:最值得看的十大机器学习公开课
在当下的机器学习热潮,人才匮乏十分显著。截至目前,国内开设人工智能(AI)专业的高校不多,相当多的开发者是跨界入门,需要自学大量知识并摸索。因而优质的学习资源至关重要。因此,雷锋网搜集了全世界范围内最受欢迎的机器学习课程,整理成这份“机器学习十大入门公开课”盘点,集中呈现给各位。这份推荐榜颇费心血,综合考虑了难易、侧重点、时效性等诸多因素,希望能帮助大家找到最适合自己的学习资源。这些课程全转载 2017-04-07 13:41:18 · 610 阅读 · 0 评论 -
Google工程师:教你用树莓派+Arduino+TensorFlow搭建图像识别小车
雷锋网按:本文作者赵智沉,Google软件工程师。来自知乎专栏:赵智沉的作坊。雷锋网(公众号:雷锋网)获授权转载。从买第一个Arduino套装开始,我接触机器人有好几年了,但直到最近才开始做完整的课题。期间有两项技能为我打开了新世界的大门:Python和Linux。他们背后,是强大的开源社区。掌握了这两样工具的工具(元工具),你感觉网上遍地是趁手的兵器。上周在公司内部编程培转载 2017-04-07 13:42:15 · 13148 阅读 · 1 评论 -
深度学习在 iOS 上的实践 —— 通过 YOLO 在 iOS 上实现实时物体检测
译者注:在阅读这篇文章之前可能会遇到的一些名词,这里是解释(我自己也查了相当多的资料,为了翻译地尽可能的简单易懂一些)Metal:Metal 是苹果在 iOS 8 之后 提供的一种低层次的渲染应用程序编程接口,提供了软件所需的最低层,保证软件可以运行在不同的图像芯片上。(和 OpenGL ES 是并列关系)分类器:该函数或模型能够把数据库中的数据纪录映射到给定类别中的某一个,从而可以应转载 2017-06-16 15:41:47 · 5100 阅读 · 0 评论 -
小试 WWDC 推出的 Core ML
Core ML 是 Apple 今年 WWDC 新推出面向开发者的机器学习框架。Apple 对于 Core ML 的介绍:Core ML 让你将很多机器学习模型集成到你的 app 中。除了支持层数超过 30 层的深度学习之外,还支持决策树的融合,SVM(支持向量机),线性模型。由于其底层建立在 Metal 和 Accelerate 等技术上,所以可以最大限度的发挥CPU 和 GPU转载 2017-06-19 15:14:27 · 575 阅读 · 0 评论 -
智能机器人让你在家享受米其林星级大餐,未来它还要把人类从厨房解放出来
http://36kr.com/p/531972.html3智能机器人让你在家享受米其林星级大餐,未来它还要把人类从厨房解放出来<meta http-equiv=refresh content=3;url='http://36kr.com/p/531972.html'转载 2015-04-17 17:31:07 · 1361 阅读 · 0 评论