炼数成金 › 商业智能›深度学习

深度学习

推理速度提升5.1倍：谷歌提出新型卷积网络EfficientNet: 卷积神经网络（CNN）通常以固定成本开发，然后再按比例放大，从而在获得更多资源时可以达到更高的准确率。例如，ResNet 可以通过增加网络层数，从 ResNet-18 扩展到 ResNet-200。近期 GPipe 将基线 CNN 扩展了 4 倍 ...

万字综述，核心开发者全面解读PyTorch内部机制: 张量是 PyTorch 中的核心数据结构。对于张量直观上所表示的东西，你可能已有很好的理解：张量是一种包含某种标量类型（比如浮点数和整型数等）的 n 维数据结构。我们可以将张量看作是由一些数据构成的，还有一些元数 ...

如何利用深度学习技术处理图像水印？: 水印作为一种保护版权的有效方式被广泛地应用于海量的互联网图像，针对水印的各种处理显得越来越重要，比如水印的检测和水印的去除与反去除。在这里我们和大家分享一下业余期间在水印智能化处理上的一些实践和探索， ...

理解Batch Normalization（含实现代码）: 随着网络训练，浅层的权重发生变化，导致深层的输入变化很大。因此每层必须根据每批输入的不同分布重新调整其权重。这减缓了模型训练。如果我们可以使层的输入分布更相似，那么网络可以专注于学习类别之间的差异。不 ...

语义分割网络经典：FCN与SegNet: 改编当前的分类网络：AlexNet、VGG、GoogLeNet到全卷积网络和通过微调传递它们学习的特征表达能力到分割任务中。然后定义了一个跳跃式的架构，结合来自深、粗层的语义信息和来自浅、细层的表征信息来产生准确和精细 ...

重磅！13篇基于Anchor free的目标检测方法: 感觉是回归吧，以前是没有anchor的，现在觉得还是去掉anchor（“锚”？）好，主要是灵活性强，今后硬件芯片兼容性好。什么是锚框呢?其实就是固定的参考框。锚框的出现，使得训练时可以预设一组不同尺度不同位置的锚 ...

从图嵌入到图分类——图网络入门综述: 通过与这些希望获得机器学习领域协助的团队交流我们得知，图数据真是无处不在 —— 从疾病诊断，遗传学研究还有健康管理，到银行和工程，图都是一种解决困难问题的强有力的分析模式。简单来说，一张图就是节点（比如 ...

天生一对，硬核微分方程与深度学习的「联姻」之路: 深度学习还能与微分方程相结合？是的，这是一个很有意思的领域，近来也有非常多的研究成果，包括 NeurIPS 2018 的最佳论文。那么什么是微分方程，它结合深度学习又有什么用呢？按照维基百科的描述：「微分方程是一种 ...

TensorFlow官方发布剪枝优化工具：参数减少80%，精度几乎不变: 去年TensorFlow官方推出了模型优化工具，最多能将模型尺寸减小4倍，运行速度提高3倍。最近现又有一款新工具加入模型优化“豪华套餐”，这就是基于Keras的剪枝优化工具。训练AI模型有时需要大量硬件资源，但不是每个 ...

用PyTorch做深度学习实验,Facebook新框架Ax和BoTorch双双开源: 在现代机器学习应用中，对实验到生产的流程进行简化是最难实现的任务之一。在已经市场化深度学习框架中，Facebook的PyTorch因其高度灵活性成为数据科学界的最爱，PyTorch能够实现快速建模和实验。但是，深度学习应用 ...

南邮提出实时语义分割的轻量级网络：LEDNET，可达71 FPS！: Abstract：算力负担限制了移动设备中CNN在密集估计任务中的使用。在本文中，我们提出了一个轻量级网络来解决这个问题，即 LEDNet，它采用非对称（asymmetric）编码器 - 解码器架构来进行实时语义分割。更具体地说， ...

分布式入门，怎样用PyTorch实现多GPU分布式训练: 分布式计算指的是一种编写程序的方式，它利用网络中多个连接的不同组件。通常，大规模计算通过以这种方式布置计算机来实现，这些计算机能够并行地处理高密度的数值运算。在分布式计算的术语中，这些计算机通常被称为 ...

重磅！Facebook更新PyTorch 1.1，打算跨GPU分割神经网络: 时隔半年不到，PyTorch 已经从之前的 1.0 升级到 1.1 版本了。刚刚，Facebook 在年度开发者大会 F8 上宣布正式发布 PyTorch 1.1 版本，这是对 PyTorch 1.0 的一次大的功能升级。PyTorch 产品经理 Joe Spisak 接受外 ...

为什么MobileNet及其变体如此之快？: 在解释特定的高效 CNN 模型之前，我们先检查一下高效 CNN 模型中组成模块的计算成本，然后看一下卷积是如何在空间和通道中执行的。首先，作者直观地解释了如何在空间和通道上执行标准卷积，其计算成本是 HWNK2M。作 ...

是时候放弃TensorFlow集群，拥抱Horovod了: 当数据较多或者模型较大时，为提高机器学习模型训练效率，一般采用多 GPU 的分布式训练。按照并行方式，分布式训练一般分为数据并行和模型并行两种：模型并行：分布式系统中的不同 GPU 负责网络模型的不同部分。例如 ...

1 234 5 6 7 8 9 10 ... 44 / 44 页下一页

热门频道

大数据
商业智能

量化投资
科学探索
创业

即将开课

热门文章

社区热帖

GMT+8, 2019-12-13 12:07 , Processed in 0.124200 second(s), 16 queries .