2017年06月_阿炜

12月 10月 09月 08月 07月 06月 05月 04月

转载一个神经网络学习一切！谷歌又放了个大卫星(附论文)

转自佩服量子位李林问耕编译自 Arxiv 量子位出品 | 公众号 QbitAI最近，Google又在论文题目上口出狂言：One Model To Learn Them All，一个模型什么都能学。非营利研究机构OpenAI的研究员Andrej Karpathy在Twitter上评论说，Google在把自己整个变成一个大神经网络的路上，又前进了一步。

2017-06-23 20:46:11 2445

转载 DeepMind AI 关系推理超越人类：深度神经网络模块即插即用

来源：新智元【新智元导读】DeepMind 今天发表官博介绍了他们的两篇最新论文，称其都在理解“关系推理”这一挑战方面展示出了令人可喜的结果。一个是视觉互动网络 VIN，能够预测视觉场景中各个物体在未来几百步所处位置，另一个则是模块化的、具有关系推理能力的深度神经网络架构 RN，可以“即插即用”，提升其他深度神经网络结构（如 CNN）关系推理的能力。在李飞飞等人提出的图像理解数据集 C

2017-06-17 16:52:27 2882 1

原创 senology这个词啥意思？

维基词典：Noun[edit]senology (uncountable)The branch of medicine that deals with disorders of the breast.处理乳腺病变的医学分支。

2017-06-14 09:52:14 558

LX1815-RTL-Driver lenovo 联想蓝牙 5.0 驱动 8761B windows 7/10 linux/ubuntu

联想LX1815 usb蓝牙5.0 驱动 windows 下和linux下都有，可连接蓝牙鼠标、耳机等

2020-11-13

mnist库jpg图像版-32*32大小

我把mnist库转成jpg格式了，3通道，32*32像素的。文件的第一个数字是类别。

2018-05-10

libcuda.so.1

nvidia中cuda的一个关键文件，有错误操作时容易丢失。

2018-01-21

Outrageously Large Neural Networks： The Sparsely-Gated Mixture-of-Experts Layer

Google：One Model To Learn Them All，一个模型什么都能学。

2017-06-23

Outrageously Large Neural Networks: The Sparsely-Gated Mixture-of-Experts Layer

神经网络吸收信息的能力受限于其参数的数量。在这篇论文中，我们提出一种新类型的层——稀疏门控专家混合层（Sparsely-Gated Mixture-of-Experts(MoE)），它能够在仅需增加一点计算的基础上被用于有效提升模型的能力。这种层包含了多达数万个前向的子网络（feed-forward sub-networks，被称为专家（expert）），总共包含了多达数百亿个参数。一个可训练的门网络（gating network）可以确定这些专家的稀疏组合以用于每一个样本。我们将这种 MoE 应用到了语言建模任务上——在这种任务中，模型能力对吸收训练语料库中可用的大量世界知识而言是至关重要的。我们提出了将 MoE 层注入堆叠 LSTM（stacked LSTM）的新型语言模型架构，得到的模型的可用参数数量可比其它模型多几个数量级。在语言建模和机器翻译基准上，我们在更低的成本上实现了可与当前最佳表现媲美或更好的结果，其中包括在 1 Billion Word Language Modeling Benchmark 上测得的 29.9 的困惑度（perplexity），以及在 WMT'14 En to Fr（英法翻译）和 En to De（英德翻译）上分别得到了 40.56 和 26.03 的 BLEU 分数。

2017-06-23

A simple neural network module for relational reasoning -《简单事实关系推理模块》

模块化的、具有关系推理能力的深度神经网络架构 RN介绍，可以“即插即用”，提升其他深度神经网络结构（如 CNN）关系推理的能力。

2017-06-17

Visual Interaction Networks -《视觉互动网络》

DeepMind 的论文，视觉互动网络 VIN，能够预测视觉场景中各个物体在未来几百步所处位置

2017-06-17

nvidia-docker_1.0.1-1_amd64.deb

更方便配置的能利用nvidia GPU的docker. docker是硬件无关和平台无关的，但是在使用 nvidia GPU的时候，需要依赖nvidia-driver，此时就想到将nvidia driver安装到Container内，但是Container内的nvidia driver版本要和host主机的版本一样，所以这样就不符合docker的平台无关硬件无关的特性了。所以现在的nvidia-docker的解决方案是在image里不安装nvidia driver，而是在启动container时通过挂载driver文件或者指定特定的硬件的方式来启动container。

2017-03-19