机器学习人工学weekly-2018/2/25

注意下面很多链接都需要翻墙,无奈国情如此。

1. 学习MXNet的资源

1.1 用MXNet根据logo图片预测公司名称

Logo detection using Apache MXNet

链接:https://www.oreilly.com/ideas/logo-detection-using-apache-mxnet?imm_mid=0fb1e0&cmp=em-data-na-na-newsltr_ai_20180212

1.2 虽然我是PyTorch/TF派,但是还是推荐Amazon李沐大神的MXNet视频教程第一季完整版

百度云链接:https://pan.baidu.com/s/1mkeilnE#list/path=%2F

2. WildML blog用RL做trading炒股票/比特币。作者之前在Google Brain当resident(可惜没留下),他的newsletter非常值得subscribe,其实我贴的很多东西也是从他那里看到的

Introduction to Learning to Trade with Reinforcement Learning

链接:http://www.wildml.com/2018/02/introduction-to-learning-to-trade-with-reinforcement-learning/

3. 三个survey,都很长

3.1 CNN做图像分类,最经典的task

Deep Convolutional Neural Networks for Image Classification: A Comprehensive Review

链接:https://www.mitpressjournals.org/doi/pdf/10.1162/neco_a_00990

3.2 CV模型可解释性的一个survey

Visual Interpretability for Deep Learning: a Survey

链接:https://arxiv.org/pdf/1802.00614.pdf

其中提到的这个LIME这个有点老,但是我觉得是个好工具,是在模型解释方面的工作。用局部线性模型去逼近classifier的decision boundary来取得解释性

blog:https://www.oreilly.com/learning/introduction-to-local-interpretable-model-agnostic-explanations-lime

repo链接:https://github.com/marcotcr/lime?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

3.3 online learning的一个巨长的survey,我不是搞这个方向也没有时间读完(?)

Online Learning: A Comprehensive Survey

链接:https://arxiv.org/pdf/1802.02871.pdf

4. Google的MobileNetV2,通过使用inverted residual connections和linear bottlenet在移动端加速,ImageNet效果比MobileNetV1, NasNet和ShuffleNet更快更准,也可以用来做feature extractor拿去做object detection和semantic segmentation

Inverted Residuals and Linear Bottlenecks: Mobile Networks for Classification, Detection and Segmentation

链接:https://arxiv.org/pdf/1801.04381.pdf

5. Facebook发布Tensor Comprehension,类似于TF XLA和TVM,把机器学习framework-level的代码自动生成优化过的高性能硬件MKL/cuDNN代码

Announcing Tensor Comprehensions

链接:https://research.fb.com/announcing-tensor-comprehensions/

6. 这个好,看舌头图片给开出重要配方。虽然算法上我觉得一般,但是是超实用的场景。我都想用这个做一个小程序 :)

链接:https://arxiv.org/pdf/1802.02203.pdf

7. neural architucture search相关

7.1 Google Brain用改进的进化算法做architure search搜索图片分类器,没有特别大的创新,但是效果还不错

Regularized Evolution for Image Classifier Architecture Search

链接:https://arxiv.org/pdf/1802.01548.pdf

7.2 Google Brain提出的Efficient NAS (ENAS),最关键的idea是站在计算图的角度来看,NAS的很多计算都是DAG这个大图的一部分,子模型的参数是可以复用的。结果就是搜索快了n倍,效果损失的不多。这个东西肯定很快就会被用到Google Cloud AutoML上了,绝对的省电省钱

Efficient Neural Architecture Search via Parameter Sharing

链接:https://arxiv.org/pdf/1802.03268.pdf

PyTorch实现

链接:https://github.com/carpedm20/ENAS-pytorch?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI

7.3 ICLR一篇被接受的论文SMASH

SMASH: ONE-SHOT MODEL ARCHITECTURE SEARCH THROUGH HYPERNETWORKS

链接:https://openreview.net/pdf?id=rydeCEhs-

8. 神经网络pruning(此兄的文章每次都挺有深度,值得follow)

Pruning Neural Networks: Two Recent Papers

链接:http://www.inference.vc/pruning-neural-networks-two-recent-papers/

9. 实战好文,从PyTorch到CoreML再到React Native,前端后端ML一起搞定

How I Shipped a Neural Network on iOS with CoreML, PyTorch, and React Native

链接:https://attardi.org/pytorch-and-coreml

10. AI大佬们的对话

10.1 Yann LeCun, Eric Horvitz(微软)和Peter Norvig(Google/Stanford)的Reddit AMA

链接:https://www.reddit.com/r/science/comments/7yegux/aaas_ama_hi_were_researchers_from_google/

10.2 Stanford AI Lab办的AI Salon,终于放了一个视频,是Yann LeCun和Chris Manning(NLP大神)的对话,非常值得一看。不知道之后的视频会不会开放,可以去AI Salon网页跟进,他们的YouTube频道也值得订阅

What innate priors should we build into the architecture of deep learning systems?

链接:https://www.youtube.com/channel/UCpZRSrm2kmG8JvqP2Nqb0fQ/featured

*OpenAI跟一大堆机构写的一篇关于AI安全的长文。安全是个大问题

The Malicious Use of Artificial Intelligence: Forecasting, Prevention, and Mitigation

链接:https://arxiv.org/pdf/1802.07228.pdf

原文发布于微信公众号 - 机器学习人工学weekly(MLandHuman)

原文发表时间:2018-02-25

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏机器学习人工学weekly

机器学习人工学weekly-2018/7/1

Building the Software 2.0 Stack by Andrej Karpathy from Tesla

1104
来自专栏量子位

“快到没朋友”的目标检测模型YOLO v3问世,之后arXiv垮掉了…

一是以“快到没朋友”著称的流行目标检测模型YOLO推出全新v3版,新版本又双叒叕提升了精度和速度。在实现相近性能时,YOLOv3比SSD速度提高3倍,比Reti...

812
来自专栏量子位

AI造福设计师:搭配色板这种苦差事交给GAN就好啦(教程)

李林 发自 城北某村 量子位·QbitAI 出品 设计师要开工,总是离不开配色方案,也就是色板。 不过,做色板可不是个简单的活,色板生成器Colormind的作...

4229
来自专栏新智元

【智驾深谈】George Hotz 开源代码复现与分析(80G数据云盘下载)

【新智元导读】上周GeoHot开源代码那篇文章一发,反响还是很强烈的,好多兄弟问我这事儿靠谱么,代码怎么样,论文怎么样,索性上周末抽时间找了赵李二位无人车老司机...

34713
来自专栏机器学习人工学weekly

机器学习人工学weekly-2018/3/4

1. RL相关 1.1 inverse RL教程,第一部分就是讲Andrew Ng 20年前的奠基论文(我没读原论文,但是惊讶的发现居然全部是用的LP解的)。这...

4278
来自专栏企鹅号快讯

2017年度盘点:Github上十大有趣的机器学习项目

目录: 1 AlphaZero-Gomoku 2 OpenPose 3 Face Recognition 4 Magenta 5 YOLOv2 6 MUSE 7...

3708
来自专栏量子位

AMD深度学习库MIOpen更新,支持CNN加速

吴唯 编译自 GitHub 量子位 出品 | 公众号 QbitAI 农企的深度学习加速库MIOpen 1.0更新了,它现在已经能支持对CNN的加速。 ROCm全...

33612
来自专栏CDA数据分析师

史上最全!国外程序员整理的机器学习资源

本文汇编了一些机器学习领域的框架、库以及软件(按编程语言排序)。 C++ 计算机视觉 CCV —基于C语言/提供缓存/核心的机器视觉库,新颖的机器视觉库 Ope...

20810
来自专栏PaddlePaddle

宠物也刷脸,如何最快长成这个技能树?

然而令人吃惊的是,在 LA Hacks 2018 的活动之中,来自加州理工学院的美籍华裔大二学生 EricZhao做出“狗脸识别”系统,16小时让梦成真!

713
来自专栏量子位

Mask R-CNN源代码终于来了,还有它背后的物体检测平台

夏乙 编译整理 量子位 出品 | 公众号 QbitAI “等代码吧。” 从Mask R-CNN论文亮相至今的10个月里,关于它的讨论几乎都会以这句话收尾。 ?...

40810

扫码关注云+社区