自定义博客皮肤VIP专享

*博客头图：

点击选择上传的图片

格式为PNG、JPG，宽度*高度大于1920*100像素，不超过2MB，主视觉建议放在右侧，请参照线上博客头图

请上传大于1920*100像素的图片！

博客底图：

点击选择上传的图片

图片格式为PNG、JPG，不超过1MB，可上下左右平铺至整个背景

栏目图：

点击选择上传的图片

图片格式为PNG、JPG，图片宽度*高度为300*38像素，不超过0.5MB

主标题颜色：

RGB颜色，例如：#AFAFAF

Hover：

RGB颜色，例如：#AFAFAF

副标题颜色：

RGB颜色，例如：#AFAFAF

预览取消提交

自定义博客皮肤

-+

上一步保存

容数据服务集结号

介绍最新最尖端的IT技术,最实用的IT架构,最潮的主页君,浪潮的尖端,技术演进的指南

12月 11月 10月

原创【转载】无需人类知识，DeepMind新一代围棋程序AlphaGo Zero再次登上Nature

在今年五月击败柯洁之后，AlphaGo 并没有停止自己的发展。昨天，DeepMind 在《自然》杂志上发表了一篇论文，正式推出 AlphaGo Zero——人工智能围棋程序的最新版本。据称，这一版本的 AlphaGo 无需任何人类知识标注，在历时三天，数百万盘的自我对抗之后，它可以轻松地以 100 比 0 的成绩击败李世乭版本的AlphaGo。DeepMind 创始人哈萨比斯表示：「Zero

2017-10-20 00:00:00 726

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

容数据服务集结号 CSDN认证博客专家 CSDN认证企业博客

码龄7年

IP 属地：北京市

IP属地以运营商信息为准，境内显示到省（区、市），境外显示到国家（地区）

3: 原创

-: 周排名

188万+: 总排名

5万+: 访问

: 等级

723: 积分

33: 粉丝

13: 获赞

7: 评论

72: 收藏

私信

关注

热门文章

最新评论

教程 | PyTorch经验指南：技巧与陷阱
Tisfy: 十分完美，正如：十五入汉宫，花颜笑春红。
机器学习 | 八大步骤解决90%的NLP问题
Gavin_kkkk: 非常好，受益匪浅，收藏起来
教程 | PyTorch经验指南：技巧与陷阱
东方佑: import torch class net(torch.nn.Module): def __init__(self): super(net,self).__init__() self.p_1=torch.nn.Linear(1,12) self.p_2=torch.nn.Linear(1,12) self.p_x=torch.nn.Linear(1,12) self.t_mask=torch.nn.Linear(132,12) def forward(self,x): weight=self.p_1(torch.Tensor([1]))+self.p_2(torch.Tensor([1])) for i in range(10): x1=self.p_1(torch.Tensor([1]))*((i+1)**self.p_x(torch.Tensor([1]))) x2=self.p_2(torch.Tensor([1]))*(i+1) weight = torch.cat((weight,x1+x2),0) x=self.t_mask(weight) return x class net1(torch.nn.Module): def __init__(self): super(net1,self).__init__() self.p_1=torch.nn.Parameter(torch.Tensor(12)) self.p_2=torch.nn.Parameter(torch.Tensor(12)) self.p_x=torch.nn.Parameter(torch.Tensor(12)) def forward(self,x): self.t_mask=self.p_1+self.p_2 for i in range(10): x1=self.p_1*((i+1)**self.p_x) x2=self.p_2*(i+1) self.t_mask = torch.cat((self.t_mask,x1+x2),0) x=self.t_mask.view(1,1,-1,1,1)*x return x if __name__ == '__main__': data=torch.rand([1]) nt=net1() lf=torch.nn.BCELoss() op=torch.optim.Adam(nt.parameters(),lr=0.1) for i in range(10): out_data=nt(data) loss=lf(torch.rand(out_data.shape),torch.rand(out_data.shape)) print(loss) loss.requires_grad = True op.zero_grad() loss.backward() op.step()
深度学习必须熟悉的算法之word2vector（一）
imeikon: 博主你好，word2vec的CBOW输入的不是一个词的ont-hot吧，而是上下文的所有词的one-hot经过lookup后求和加平均。
入门 | 走近流行强化学习算法：最优Q-Learning
lily-0622: 算法了解一下

最新文章

提示

确定要删除当前文章？

取消删除