首页
学习
活动
专区
工具
TVP
发布

人工智能

专栏成员
486
文章
806608
阅读量
225
订阅数
你该掌握的AI技能:强化学习01
题图由人工智能设计师完成 最近在看一些强化学习的书籍,学习的过程就是要不断的输入,查找资料,理解各种资料,然后输出,总结学习心得,再次输入,输出。不断的重复输入输出这一过程,直至灵活运用学来的知识,转化为技能,这个过程很像强化学习的过程。 今天开始更新一个新系列: 《你该掌握的AI技能》 先看一个游戏:Flappy Bird。 操作简单,通过点击手机屏幕使Bird上升,穿过柱状障碍物之后得分,碰到则游戏结束。由于障碍物高低不等,控制Bird上升和下降需要反应快并且灵活,要得到较高的分数并不容易。 这
企鹅号小编
2018-02-02
5990
如何在CDSW上运行TensorFlow
温馨提示:要看高清无码套图,请使用手机打开并单击图片放大查看。 Fayson的github:https://github.com/fayson/cdhproject 提示:代码块部分可以左右滑动查看噢 1.文档编写目的 前面Fayson也介绍了CDSW的安装及CDSW使用的一些知识,本篇文章主要介绍如何在CDSW平台上运行一个TensorFlow的示例,在学习本章知识前,你需要知道以下知识: 《如何在Windows Server2008搭建DNS服务并配置泛域名解析》 《如何利用Dnsmasq构建小型集群的
企鹅号小编
2018-02-02
1.5K0
机器学习,Hello World from Javascript!
导语 JavaScript 适合做机器学习吗?这是一个问号。但每一位开发者都应该了解机器学习解决问题的思维和方法,并思考:它将会给我们的工作带来什么?同样,算法能力可能会是下一阶段工程师的标配。 本文旨在通过讲解识别手写字的处理过程,带读者了解机器学习解决问题的一般过程。本文适合以下背景的读者阅读: 你不需要具备 Python、C++ 的编程能力:全文使用 JavaScript 作为编程语言,且不依赖任何第三方库实现机器学习算法。 你不需要具备算法能力和高数的背景,本文机器学习算法的实现不过 20 行代
企鹅号小编
2018-02-02
5620
关于无人车的十万个为什么
前言 无人车到底是怎样一步一步学会开车的?自动驾驶汽车开发的过程,也是我们了解计算机视觉和深度学习的优势和局限性的过程。 与人类用双眼去观察路面、用手去操控方向盘类似,无人车用一排摄像机去感知环境,用深度学习模型指导驾驶。大体来说,这个过程分为五步: 记录环境数据 分析并处理数据 构建理解环境的模型 训练模型 精炼出可以随时间改进的模型 如果你想了解无人车的原理,那这篇文章不容错过。 记录环境数据 一辆无人车首先需要具备记录环境数据的能力。 具体来说,我们的目标是得到左右转向角度的均匀分布。这倒也不难操
企鹅号小编
2018-01-29
6010
无人车是怎样一步步学会开车的?
原作:Marty Jacobs 安妮 编译自 Zore Equals False 量子位 出品 | 公众号 QbitAI 📷 无人车到底是怎样一步一步学会开车的? 与人类用双眼去观察路面、用手去操控方向盘类似,无人车用一排摄像机去感知环境,用深度学习模型指导驾驶。大体来说,这个过程分为五步: 记录环境数据 分析并处理数据 构建理解环境的模型 训练模型 精炼出可以随时间改进的模型 如果你想了解无人车的原理,那这篇文章不容错过。 记录环境数据 一辆无人车首先需要具备记录环境数据的能力。 具体来说,我们的目标是得
企鹅号小编
2018-01-29
5460
关注专栏作者,随时接收最新技术干货
花落花飞去
腾讯社区运营
Techeek
腾讯产品运营
QiqiHe
腾讯产品运营
写给非技术人员的机器学习指南
这里是另一家创业公司的聚会,你靠在吧台上,一边喝着小酒。这样的夜晚你只考虑自己,尽情享受社交活动。 偶然间,一个声音从你耳边传来。 “他们绝对是机器学习的创业公司。” 谈话声消失了。 “他们仍然在使用统计NLP吗?复发性神经网络似乎是一种趋势。” 谈话声再次消失。 机器学习像病毒一样迅速传播,你惊讶的发现这几分钟内,吧台上的每个人都在讨论机器学习。 过去你曾听说过这个术语,谁没有听说过呢?机器学习是一种潮流,毫无疑问,它是人工智能的未来。 问题是,你没有一点关于它的想法。 你放下酒杯转身离开,今晚将是不眠之
企鹅号小编
2018-01-26
7040
第四课:模型的使用
上一节我们创建了模型对象,也导入了测试集,可以说实现了一个简单机器学习的apk环境和核心代码。这一节我们一起看下开发一个完整的人工智能应用程序需要哪些步骤和代码。在详细分析代码之前我们先稍微看下有关 TensorFlow 的一些简单概念。 模型的一些概念 一个 TensorFlow 的计算任务叫做 Graph,一个 Graph 由很多节点(Op)组成, Op 通过 Tensor 获取输入,Op 完成计算以后再通过 Tensor 把输出传递到下一个节点。 Tensor 一般来说是一个数组(1 维或多维),
企鹅号小编
2018-01-25
6240
深度学习如何在医学影像分割上大显神通?——分割网络的三个改进思路
一、医学影像分割有助于临床工作 图像分割在影像学诊断中大有用处。自动分割能帮助医生确认病变肿瘤的大小,定量评价治疗前后的效果。除此之外,脏器和病灶的识别和甄别也是一项影像科医生的日常工作。CT和磁共振的数据都是三维数据,这意味着对器官和病灶的分割就需要逐层进行。如果都是手工分割的话,会给医生带来繁重的工作量。实际上,已经有很多学者提出了许多医学影像的分割方法,但由于医学影像复杂,分割目标多变,仍有很多自动分割问题等待解决。 近年来深度学习在计算机视觉的各个细分邻域都取得了出色的成绩,那么,深度学习如何帮助医
企鹅号小编
2018-01-25
9.4K0
视觉传感器几大技术要点详解!
视觉传感技术是传感技术七大类中的一个,视觉传感器是指通过对摄像机拍摄到的图像进行图像处理,来计算对象物的特征量(面积、重心、长度、位置等),并输出数据和判断结果的传感器。 什么是视觉传感器? 视觉传感器是整个机器视觉系统信息的直接来源,主要由一个或者两个图形传感器组成,有时还要配以光投射器及其他辅助设备。视觉传感器的主要功能是获取足够的机器视觉系统要处理的最原始图像。 图像传感器可以使用激光扫描器、线阵和面阵CCD摄像机或者TV摄像机,也可以是最新出现的数字摄像机等。 视觉传感技术分类 1、3D视觉传感技术
企鹅号小编
2018-01-23
1.8K0
生成人工智能:创意专家新的强大工具
人工智能可以以惊人的速度,效率和逼真度生成新的数据模式。在过去的几年里,人工智能通过算法生成可以以数字形式呈现的任何对象已经司空见惯。到2019年,大多数领先的人工智能提供商将提供工具和库,这些工具和库用于构建基于人工智能的自然语言生成,图像处理和其他生成用例。 生成人工智能将推动下一代应用程序的自动编程、内容开发、视觉艺术和其它创意、设计和工程活动。 人工智能可以以惊人的速度,效率和逼真度生成新的数据模式。在过去的几年里,人工智能通过算法生成可以以数字形式呈现的任何对象已经司空见惯。 人工智能的应用越发被
企鹅号小编
2018-01-22
9610
打造你的专属AI游戏机器人:太空侵略者
众所周知,深度学习的用途已经日渐广泛,如搭建虚拟助手、聊天机器人、游戏引擎等。基于深度学习的游戏机器人不仅可以和人类对手玩游戏,还可以自己和自己玩游戏。早在2013年,DeepMind团队在NIPS上发表了《Playing Atari with Deep Reinforcement Learning》论文,提出了基于深度加强学习实现端对端的Atari游戏训练方法,文中的Deep Q network,简称DQN,将Q学习与神经网络的优势相结合,并凭借该项技术被Google收购。 DQN算法可以实现49
企鹅号小编
2018-01-16
1.1K0
通过协同绘制用GAN合成高分辨率无尽道路
来源:arXiv 编译:Bing 生成对抗网络一直是深度学习的重要工具,经过近几年的发展,GANs也衍生出了许多不同的模式,例如DCGANs、Wasserstein GANs、BEGANs等。本文将要探讨的是条件GAN(Conditional GANs)在图像生成中的应用。 条件GANs已经应用与多种跟图像有关的任务中了,但分辨率通常都不高,并且看起来很不真实。而在这篇论文中,英伟达和加州大学伯克利分校的研究人员共同提出了一个新方法合成高分辨率的街景,利用条件GANs从语义标签映射生成的2048x1024的
企鹅号小编
2018-01-15
7470
基于深度学习的图像目标检测(下)
依然要感激如此美丽的封面图片。 在“基于深度学习的图像目标检测(上)”里面, 我们详细介绍了R-CNN走到端到端模型的Faster R-CNN的进化流程。 这里, 我们介绍, 后续如何变得更快、更强! 前言 天下武功唯快不破! 所以在如何让检测更快? 主要有两种思路: 1. 把好的方法改进的更快! 前面我们提到了从R-CNN到Faster R-CNN主要的技术思想就是避免特征计算浪费。 所以要把ConvNet特征计算前移,只做一次计算。 而把区域操作后移。 我们也提到Faster R-CNN在RoI之
企鹅号小编
2018-01-11
1.8K0
Tensorflow笔记 tensorflow做线性回归
根据文章,利用TensorFlow进行线性回归,首先导入所需的库,并生成拟合数据集,然后构建线性回归的Graph,在Session中运行并优化参数。最后,通过TensorBoard展示Graph。
企鹅号小编
2018-01-08
8370
使用TensorFlow自动识别验证码(三)
企鹅号小编
2018-01-08
1.2K0
C+实现神经网络之六—实战手写数字识别
企鹅号小编
2018-01-05
7950
简单的解释,让你秒懂“最优化” 问题
本文介绍了机器学习领域的一些基础概念和算法,包括监督学习、无监督学习、半监督学习、强化学习等。文章还介绍了机器学习领域的一些重要模型和算法,如神经网络、支持向量机、随机森林、贝叶斯网络等。此外,文章还探讨了机器学习的应用领域,包括计算机视觉、自然语言处理、语音识别等。
企鹅号小编
2018-01-03
7560
ChatBot 的误区
本文探讨了ChatBot在人工智能领域的常见误解和误区,包括其智能程度、用例、透明度、与现有系统集成以及处理上下文的能力等方面的问题。作者认为,聊天机器人需要更加关注用户的需求,提供清晰、一致的体验,并且应该能够适应不同的情境和上下文。此外,开发人员还应该考虑聊天机器人的可扩展性和适应性,以便更好地满足用户的需求。
企鹅号小编
2018-01-02
1.7K0
将图像转换位mnist数据格式
本文介绍了如何将图像转换为MNIST数据格式,并利用深度学习模型进行数字识别。首先介绍了MNIST数据格式的结构,然后通过Python代码实现了图像到MNIST数据的转换。最后,介绍了两种方法来实现模型对自己手写数字的识别,并指出了第二种方法的实时性更强。
企鹅号小编
2018-01-02
1.4K0
基于深度学习的图像目标检测(上)
本文介绍了如何从单张图像中预测出多个物体的边界框和类别,并分析了在预测过程中各种因素对结果的影响。同时,文章还对一系列现有方法进行了评估和比较,并提供了改进方向。
企鹅号小编
2018-01-02
1.7K0
点击加载更多
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档