腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
大数据智能实战
大数据与人工智能方向的论文复现、技术探索、工程实践的点滴记录和积累。
专栏成员
举报
256
文章
411223
阅读量
56
订阅数
订阅专栏
申请加入专栏
全部文章(256)
机器学习(40)
人工智能(32)
深度学习(31)
神经网络(30)
编程算法(29)
spark(29)
python(26)
其他(24)
腾讯云测试服务(21)
tensorflow(17)
数据库(16)
hive(16)
打包(14)
java(13)
sql(13)
NLP 服务(12)
http(12)
hadoop(10)
大数据(10)
hbase(10)
scala(9)
云数据库 Redis(9)
linux(9)
https(9)
html(8)
网络安全(8)
爬虫(7)
bash(6)
github(6)
ubuntu(6)
pytorch(6)
flask(5)
git(5)
api(5)
bash 指令(5)
存储(5)
开源(5)
javascript(4)
node.js(4)
网站(4)
图像识别(4)
tcp/ip(4)
model(4)
php(3)
c#(3)
ide(3)
eclipse(3)
unix(3)
图像处理(3)
opencv(3)
语音识别(2)
数据挖掘(2)
.net(2)
jar(2)
apache(2)
apt-get(2)
mapreduce(2)
文件存储(2)
TDSQL MySQL 版(2)
游戏(2)
缓存(2)
面向对象编程(2)
安全(2)
数据处理(2)
windows(2)
using(2)
video(2)
模型(2)
视频(2)
内容分发网络 CDN(1)
人脸识别(1)
c++(1)
perl(1)
go(1)
jquery ui(1)
xml(1)
css(1)
jquery(1)
json(1)
qt(1)
嵌入式(1)
云数据库 SQL Server(1)
sqlite(1)
oracle(1)
nosql(1)
django(1)
ruby on rails(1)
matlab(1)
命令行工具(1)
云数据库 MongoDB(1)
视频处理(1)
mongodb(1)
express(1)
分布式(1)
shell(1)
html5(1)
正则表达式(1)
jdbc(1)
监督学习(1)
zookeeper(1)
keras(1)
flash(1)
腾讯云开发者社区(1)
processing(1)
kafka(1)
utf8(1)
sdk(1)
Elasticsearch Service(1)
arcgis(1)
background(1)
com(1)
config(1)
core(1)
correlation(1)
cv2(1)
dlib(1)
error(1)
field(1)
figure(1)
firefox(1)
flex(1)
gis(1)
gpu(1)
image(1)
key(1)
label(1)
lag(1)
local(1)
localhost(1)
mapbox(1)
mask(1)
max(1)
mean(1)
nlp(1)
normalization(1)
openstreetmap(1)
path(1)
pip(1)
poi(1)
python3(1)
redis(1)
render(1)
scale(1)
server(1)
src(1)
state(1)
stream(1)
styles(1)
super(1)
time(1)
torch(1)
txt(1)
widget(1)
window(1)
百度(1)
遍历(1)
程序(1)
地图(1)
多线程(1)
可视化(1)
框架(1)
论文(1)
手机(1)
数据(1)
语音(1)
搜索文章
搜索
搜索
关闭
AllenNLP系列文章之二:命名实体识别
NLP 服务
机器学习
神经网络
深度学习
人工智能
The named entity recognition model identifies named entities (people, locations, organizations, and miscellaneous) in the input text. This model is the "baseline" model described in Peters, Ammar, Bhagavatula, and Power 2017 . It uses a Gated Recurrent Unit (GRU) character encoder as well as a GRU phrase encoder, and it starts with pretrained GloVe vectors for its token embeddings. It was trained on the CoNLL-2003 NER dataset. It is not state of the art on that task, but it's not terrible either. (This is also the model constructed in our Creating a Model tutorial.)
sparkexpert
2022-05-07
526
0
AllenNLP系列文章之一:初识AllenNLP和代码重构
NLP 服务
pytorch
腾讯云测试服务
AllenNLP是一个相对成熟的基于深度学习的NLP工具包,它 构建于 PyTorch 之上,它的设计遵循以下原则: (1)超模块化和轻量化。你可以使用自己喜欢的组件与 PyTorch 无缝连接。 (2)经过广泛测试,易于扩展。测试覆盖率超过 90%,示例模型为你提供了很好的模板。 (3)真正的填充和覆盖,让你可以毫无痛苦地轻松实现正确的模型。
sparkexpert
2022-05-07
742
0
NasNet实践:图像识别领域最佳模型
机器学习
深度学习
人工智能
编程算法
神经网络
谷歌最近推出的NasNet,是当前图像识别领域的最佳模型,近日对此模型进行复现了下,也大致了解了其原理。这个模型并非是人为设计出来的,而是通过谷歌很早之前推出的AutoML自动训练出来的。该项目目的是实现“自动化的机器学习”,即训练机器学习的软件来打造机器学习的软件,自行开发新系统的代码层,它也是一种神经架构搜索技术(Neural Architecture Search technology)。然而尽管AutoML 能够设计出性能可与人类专家设计的神经网络相媲美的小型神经网络,但仍被限制在 CIFAR-10 等小型学术数据集方面。
sparkexpert
2022-05-07
1.5K
0
基于CNN的图像超分辨率重建
腾讯云开发者社区
图像尺寸变大且变清晰是图像处理的内在需求之一,然而现有的图像分辨率固定的情况下,从低分辨率到高分辨率的扩展常伴来了模糊、噪声的问题,即Single image super-resolution (SISR) aims to recover a high-resolution (HR) version of a low-resolution (LR) input. 因此深度学习架构下的图像超分辨率重建是近几年来研究的热点。
sparkexpert
2022-05-07
620
0
基于CNN的图像增强之去模糊
field
image
model
normalization
using
今天在看Learning Deep CNN Denoiser Prior for Image Restoration (CVPR, 2017) 的文章,里面涵盖的内容非常全,其中模糊也是其中主要工作之一,这工作挺有意思的,因此对其进行复现。
sparkexpert
2022-05-07
695
0
基于CNN的图像滤境操作之去噪声
linux
机器学习
神经网络
深度学习
人工智能
图像去噪声是图像增强、图像重建的重要内容之一,在现实中,很多图像难免存在噪声的问题,从而影响了图像的判别。当然图像去噪声在现有的图像处理软件中也比较成熟。
sparkexpert
2022-05-07
769
0
ubuntu matlab中安装MatConvNet工具箱(支持GPU,mexcuda报错问题)
机器学习
神经网络
人工智能
打包
matlab
MatConvNet is a MATLAB toolbox implementing Convolutional Neural Networks (CNNs) for computer vision applications. It is simple, efficient, and can run and learn state-of-the-art CNNs. Many pre-trained CNNs for image classification, segmentation, face recognition, and text detection are available.
sparkexpert
2022-05-07
516
0
基于Bidirectional AttentionFlow的机器阅读理解实践
机器学习
神经网络
深度学习
人工智能
机器阅读是实现机器认知智能的重要技术之一。机器阅读任务主要有两大类:完形填空和阅读理解。
sparkexpert
2022-05-07
219
0
基于mask-rcnn屏幕图像中指定对象
机器学习
神经网络
深度学习
人工智能
在很多场景条件下,会有意地将图像中的某些对象进行屏蔽删除处理,传统的抠图的办法需要用到专业的处理软件来处理。看到有基于mask-rcnn的方式来实现屏幕中指定对象的删除,挺有趣的。
sparkexpert
2022-05-07
238
0
r-net机器阅读理解实践
机器学习
深度学习
人工智能
神经网络
斯坦福大学自然语言计算组发起的SQuAD(Stanford Question Answering Dataset)文本理解挑战赛并不陌生,它也被誉为“机器阅读理解界的ImageNet”。诸多来自全球学术界和产业界的研究团队都积极地参与其中,近期在机器阅读理解上已经取得了不小的突破,因此这两天刚好有时间,对里面涉及的一些开源框架进行学习一下。
sparkexpert
2022-05-07
470
0
适用于大规模文档关键词抽取的利器(flashtext)
编程算法
从文档中抽取关键词并对关键词相关的变体进行替换,是信息抽取中常用的做法之一,特别是基于规则词典的方法。常见的实现方式是基于正则表达式的方式,2017年的这篇文档介绍则实现了一种全新的算法及其实现原理:flashtext (Replace or Retrieve Keywords In Documents at Scale)。该方法的效率如下图所示:(时间效率上可以看出是一条平衡的直线,不随文档词的数量变化而变化。)
sparkexpert
2022-05-07
441
0
Python3.6安装sqlite3的终极解决办法(
python
最近重装了系统之后,发现原有的python3环境下安装sqlite3(见原来博客:ubuntu环境下 python 3.0以上版本对sqlite3的支持问题)的办法已经行不通了。
sparkexpert
2022-05-07
1.1K
0
StarSpace(embed all the things嵌入表示)编译和测试
打包
https
linux
网络安全
StarSpace是Facebook开源的一个嵌入式表示的库,号称可以embed all things,可以学习任何实体的向量表示。其对应的文章为https://arxiv.org/pdf/1709.03856.pdf,对应的开源代码库为:https://github.com/facebookresearch/Starspace。
sparkexpert
2022-05-07
601
0
Python3环境下cleverhans对抗样本防护编译与测试(含FGSM攻击与ADV防护)
tensorflow
https
网络安全
github
git
在看人工智能安全方面的资料,顺手看到cleverhans的资料,就将它在python 3.6的环境下进行编译和测试。
sparkexpert
2022-05-07
603
0
DeepFool(迷惑深度学习分类模型)测试
安全
腾讯云测试服务
https
网络安全
AI+网络安全是当前网络攻击与防御方向比较热门和前沿的领域。同时网络安全中的漏洞挖掘、入侵检测、异常流量等传统任务也已经出现了大量基于深度学习的实现方法。然而当以深度学习为主流的人工智能应用越来越广泛之后,陆续又出现了对于人工智能应用的攻击,主要分为两种:一是白盒测试,即深度学习的模型架构和参数都已经的情况下,这种场景的攻击一般可以进行参数的修改来达到攻击的效果;二是黑盒测试,即上述情况未知的情况下进行攻击,这时候采用的攻击手段主要是对抗样本,对抗样本(adversarial examples)这一概念在Szegedy et al. (2014b)中被提出:对输入样本故意添加一些人无法察觉的细微的干扰,导致模型以高置信度给出一个错误的输出。对抗样本现在已经广泛应用于人脸识别、声纹识别等相关应用场景。
sparkexpert
2022-05-07
524
0
文本摘要评测工具ROUGE的搭建和测试
perl
github
https
git
开源
文本摘要任务中最常用的评价方法是ROUGE(Recall-Oriented Understudy for Gisting Evaluation)。ROUGE受到了机器翻译自动评价方法BLEU的启发,不同之处在于,采用召回率来作为指标。基本思想是将模型生成的摘要与参考摘要的n元组贡献统计量作为评判依据。
sparkexpert
2022-05-07
1.4K
0
Toward Multimodal Image-to-Image Translation(BicycleGAN)图像一对多转换测试
机器学习
神经网络
深度学习
人工智能
https
CycleGAN、pix2pix、iGAN的主要贡献者最近在NIPS 2017上又推出了一篇文章Toward Multimodal Image-to-Image Translation(见https://junyanz.github.io/BicycleGAN/,https://arxiv.org/pdf/1711.11586.pdf),讨论如何从一张图像同时转换为多张风格不一成对的图像。 从作者摘要第一句可以看出:“Many image-to-image translation problems are ambiguous, as a single input image may correspond to multiple possible outputs. In this work, we aim to model a distribution of possible outputs in a conditional generative modeling setting.” 像pix2pix这样的图像转换(一对一)的方式是存在歧义的,因为不可能只对应一个输出。因此作者提出了一种一对多的输出,即将可能输出的图像是存在一定的分布特性的。
sparkexpert
2022-05-07
340
0
Mask R-CNN(目标检测,语义分割)测试
腾讯云测试服务
tcp/ip
机器学习
神经网络
深度学习
Kaiming He的大作Mask R-CNN( https://arxiv.org/pdf/1703.06870.pdf)已经放出来一段时间了,最近才有空进行代码学习和编译。
sparkexpert
2022-05-07
409
0
OpenCV在Python上的调用( import cv2的解决办法)
opencv
python
为了在Python中调用opencv,特别是看到好多代码都是import cv2,而这个在python中是无法直接进行pip install安装的。
sparkexpert
2022-05-07
971
0
G2P(单词到音素)的深度学习训练测试
https
网络安全
python
G2P(Grapheme-to-Phoneme),英文意思是字素到音素,使用循环神经网络(recurrent neural network,RNN) 和LSTM( long short-termmemory units),来实现从英文单词到音素的转化。LSTM序列到序列模型(LSTM sequence-to-sequencemodel)已经被成功地应用到许多项目中,这些应用包括机器翻译,字素转因素等等。
sparkexpert
2022-05-07
1.1K
0
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
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
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
立即体验
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
立即查看
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