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
人工智能LeadAI
专栏成员
举报
461
文章
659672
阅读量
104
订阅数
订阅专栏
申请加入专栏
全部文章(461)
其他(111)
深度学习(72)
tensorflow(69)
机器学习(60)
编程算法(60)
神经网络(53)
python(51)
人工智能(27)
卷积神经网络(22)
推荐系统(13)
api(11)
https(11)
NLP 服务(10)
存储(10)
数据处理(10)
http(9)
图像处理(8)
spark(8)
keras(8)
pytorch(8)
大数据(8)
模型(8)
数据(8)
java(7)
数据库(7)
线性回归(7)
工作(7)
人脸识别(5)
数据挖掘(5)
numpy(5)
opencv(5)
算法(5)
android(4)
github(4)
企业(4)
网络安全(4)
系统(4)
性能(4)
html(3)
云数据库 SQL Server(3)
sql(3)
es 2(3)
分布式(3)
爬虫(3)
图像识别(3)
强化学习(3)
决策树(3)
kernel(3)
windows(3)
产品(3)
函数(3)
内存(3)
设计(3)
网络(3)
原理(3)
c 语言(2)
scala(2)
r 语言(2)
xml(2)
ubuntu(2)
开源(2)
缓存(2)
无人驾驶(2)
ssh(2)
gui(2)
tcp/ip(2)
anaconda(2)
安全(2)
机器人(2)
数据分析(2)
数据结构(2)
测试(2)
工具(2)
管理(2)
架构(2)
解决方案(2)
开发(2)
连接(2)
排序(2)
索引(2)
同步(2)
ios(1)
iphone(1)
c++(1)
php(1)
javascript(1)
bash(1)
.net(1)
css(1)
json(1)
arm(1)
nosql(1)
matlab(1)
tomcat(1)
linux(1)
bash 指令(1)
文件存储(1)
mongodb(1)
高性能计算(1)
渲染(1)
svg(1)
游戏(1)
shell(1)
hadoop(1)
jvm(1)
hive(1)
正则表达式(1)
yum(1)
监督学习(1)
markdown(1)
rpc(1)
udp(1)
scikit-learn(1)
数据可视化(1)
物联网(1)
系统架构(1)
架构设计(1)
腾讯云开发者社区(1)
特征工程(1)
汽车(1)
callback(1)
data(1)
func(1)
gpu(1)
int(1)
kaggle(1)
map(1)
network(1)
pandas(1)
png(1)
return(1)
send(1)
series(1)
socket(1)
word2vec(1)
变量(1)
布局(1)
行业(1)
基础(1)
集合(1)
框架(1)
配置(1)
实践(1)
数据中心(1)
数组(1)
搜索(1)
统计(1)
推荐算法(1)
效率(1)
优化(1)
搜索文章
搜索
搜索
关闭
最强大的人工智能系统 | NVIDIA DGX-2
人工智能
架构
模型
系统
性能
NVIDIA DGX-2 是 NVIDIA 首款 2-petaFLOPS 系统,它整合了 16 个完全互联的 GPU,使深度学习性能提升 10 倍,突破了人工智能速度和规模的障碍。它采用 NVIDIA® DGX™ 软件和基于 NVIDIA NVSwitch 技术构建的可扩展架构,可以帮您应对众多复杂的人工智能挑战.
用户1332428
2023-03-28
618
0
慧材技术&中核普达测量与测绘系统介绍(二)
物联网
神经网络
深度学习
人工智能
深圳中核普达测量科技有限公司(简称中核普达)具有领先的高精度三维摄影测量技术、大数据计算应用融合技术、无人机自动智能检测技术、核电站工程管理能力、核安全体系管理能力,是高精密超复杂专业测量服务商、生产系统升级整体方案提供商和先进工业智能装备研发合作商。
用户1332428
2019-07-31
980
0
无人驾驶急需解决:规划控制和传感器价格高两大问题(附Apollo算法)
无人驾驶
编程算法
人工智能
2017 年百度 AI 开发者大会上,现场视频连线了正乘坐无人驾驶汽车行驶在五环上朝会场赶来的李彦宏,他坐在副驾驶上解说,身边司机的双手并没有触碰方向盘,也正是因为这句话,无人车收到了交警的第一张罚单。2018 年春晚,由百余辆无人车组成的车队在港珠澳大桥上大秀车技,亿万观众通过现场直播观看了视频。
用户1332428
2018-07-30
336
0
数据部门如何All In AI
人工智能
大数据
存储
编程算法
通常,大数据部门会花费很大的力气构建数据平台,而这个数据平台除了能让研发,算法,分析师等角色爽一些,从宏观角度很大的节省部门人力成本,提高效率以外,似乎对公司/其他业务部门并无一个直接的输出。这也是很多大数据部门领导非常焦虑的地方。
用户1332428
2018-07-30
327
0
python爬虫学习:电商数据分析
python
爬虫
数据分析
人工智能
通常我们在使用爬虫的时候会爬取很多数据,而这些数据里边什么是有用的数据,什么是没用的数据这个是值得我们关注的,在这一篇文章里,我们将通过一个简单的爬虫,来去简单介绍下如何使用python来去做数据分析。
用户1332428
2018-07-26
1.3K
0
R-CNN 物体检测第一弹
机器学习
神经网络
深度学习
人工智能
今天,重读了 R-CNN 的 TPAMI 版本,感觉受益颇多。该版相比之前的会议版,在检测流程和实现细节上表述得更为清晰。此外,因为是改投 TPAMI 的关系,因此文中补充了很多额外的实验和分析,尤其是检测系统为什么最后设计成这样的缘由。接下来,我就简要记录一下这篇文章的主要思想和作者对检测的思考,也加入我个人的理解。 缘起 为了推动计算机视觉领域的研究进展,斯坦福大学的 Li Feifei 组根据 wordnet 的思想,建立了一个包罗了近乎海量图片的数据库ImageNet 。在那个 SVM 还异常火热的
用户1332428
2018-03-09
874
0
R-CNN 物体检测第二弹(Fast R-CNN)
神经网络
机器学习
人工智能
深度学习
编程算法
今天,重看了 R-CNN 的后续改进 Fast R-CNN(Arxiv版)-本文中提到的paper,若未特别指明,说的就是此版本。 这里提一把辛酸泪。15年8月份到11月份,当时我参加了实验室和外面合作的一个项目。主要的工作就是在对方提供的航拍图像中,准确快速地检测出车辆等微小目标。大师兄作为该项目的实际负责人,他提出采用Fast R-CNN来进行检测,这也是我第一次听说R-CNN目标检测。在该项目中,我是负责coding的主代码手(就是拼接github上的Fast R-CNN代码),也参与目标boundi
用户1332428
2018-03-09
1K
0
可解释性与deep learning的发展
机器学习
人工智能
深度学习
神经网络
编程算法
大家好,我叫张拳石,UCLA博士后。目前在朱松纯老师的实验室,带领一个团队,做explainable AI方向。本文的题目有些大,这篇短文中,我只简单谈谈个人对deep learning发展状况的感受,和我最近的explanatory graph for CNNs和interpretable CNN两个研究课题。希望大家批评指正。 当deep learning刚刚在CV圈子里面兴起的时候,我并没有第一时间给予足够的关注,直到几个月后,变革的巨浪拍下,旧方向消亡的速度和新技术诞生的节奏都大大超过我的预期。相信
用户1332428
2018-03-09
1.1K
0
为什么AI招人很难
人工智能
这次来谈谈AI招人难的问题,回顾以往,AI领域真是风云变幻,Alpha狗赢了一圈棋王,五大科技巨头组超级AI联盟“Partnership on AI”开始憋大招,特斯拉的自动驾驶事故频发,Facebook发布人工智能管家Jarvis。按理说,大势在前,应该人才汹涌而来。然而,在招人的问题上,至少在中国市场,从过去的一般难(B级)直接跳到无敌难(S级)。这是为什么呢?来让我给大家解析一下。 问题一:招人难这个问题,是一直存在吗?2016年以前怎么样? 招人难一直存在着,不然就不会有我们猎头存在的价值了:)只
用户1332428
2018-03-09
827
0
OpenCV人脸识别之三:识别自己的脸
opencv
人脸识别
ios
人工智能
本系列人脸识别文章用的是opencv2,最新版的opencv3.2的代码请参考文章: OpenCV之识别自己的脸——C++源码放送(请在上一篇文章末尾查看) 在之前《OpenCV人脸识别之一:数据收集和预处理》和《OpenCV人脸识别之二:模型训练》两篇博客中,已经把人脸识别的整个流程全部交代清楚了。包括今天这篇人脸识别方面的内容都已经在上述第二篇博客中的代码中有所体现。只是今天的内容会让结果更加的形象化。仅此而已。可以说,本篇的内容是前面诸多内容的一个整合。所以今天的内容也很简洁。 简单说下流程 1、打
用户1332428
2018-03-09
1.4K
0
零基础入门深度学习 | 第五章: 循环神经网络
深度学习
神经网络
大数据
人工智能
无论即将到来的是大数据时代还是人工智能时代,亦或是传统行业使用人工智能在云上处理大数据的时代,作为一个有理想有追求的程序员,不懂深度学习这个超热的技术,会不会感觉马上就out了? 现在救命稻草来了,《零基础入门深度学习》系列文章旨在讲帮助爱编程的你从零基础达到入门级水平。零基础意味着你不需要太多的数学知识,只要会写程序就行了,没错,这是专门为程序员写的文章。虽然文中会有很多公式你也许看不懂,但同时也会有更多的代码,程序员的你一定能看懂的(我周围是一群狂热的Clean Code程序员,所以我写的代码也不会
用户1332428
2018-03-09
3.3K
0
拼图游戏和它的AI算法
人工智能
编程算法
游戏
写了个拼图游戏,探讨一下相关的AI算法。拼图游戏的复原问题也叫做N数码问题。 拼图游戏 N数码问题 广度优先搜索 双向广度优先搜索 A*搜索 游戏设定 实现一个拼图游戏,使它具备以下功能: 1、自由选取喜欢的图片来游戏 2、自由选定空格位置 3、空格邻近的方块可移动,其它方块不允许移动 4、能识别图片是否复原完成,游戏胜利时给出反馈 5、一键洗牌,打乱图片方块 6、支持重新开始游戏 7、难度分级:高、中、低 8、具备人工智能,自动完成拼图复原 9、实现几种人工智能算法:广度优先搜索、双向广度优先搜索、A*搜
用户1332428
2018-03-09
2.5K
0
主成分分析降维(MNIST数据集)
tensorflow
numpy
人工智能
今天看了用主成分分析简化数据,就顺便用MNIST数据集做了下实验,想直观地看一下效果,并通过完成这个小demo深入理解下原理。 我发现“是什么、能做什么、怎么用、效果是什么、原理是什么、优缺点是什么”这样的思路能让我更好地接受一个新知识,之所以把原理放在效果后面,是因为我比较喜欢先看看它的作用,可视化意义之后能提起我对一个知识的兴趣,加深对它意义的理解,后面看数学原理会容易,所以整篇文章就以这样的思路组织整理。 主成分分析是什么 主成分分析(Principal Component Analysis,PCA)
用户1332428
2018-03-09
1.3K
0
花式解释AutoEncoder与VAE
深度学习
机器学习
人工智能
神经网络
什么是自动编码器 自动编码器(AutoEncoder)最开始作为一种数据的压缩方法,其特点有: 1、跟数据相关程度很高,这意味着自动编码器只能压缩与训练数据相似的数据,这个其实比较显然,因为使用神经网络提取的特征一般是高度相关于原始的训练集,使用人脸训练出来的自动编码器在压缩自然界动物的图片是表现就会比较差,因为它只学习到了人脸的特征,而没有能够学习到自然界图片的特征; 2、压缩后数据是有损的,这是因为在降维的过程中不可避免的要丢失掉信息; 到了2012年,人们发现在卷积网络中使用自动编码器做逐层预训练可以
用户1332428
2018-03-08
2K
0
人工智能进十九大报告!盘点我国AI的4大优势,我们还缺多少AI人才?
人工智能
大数据
昨天,中国共产党第十九次全国代表大会开幕。我们来试着划一下AI的重点。 习近平此前多次提到,技术是创新的关键,“我国经济发展要突破瓶颈、解决深层次矛盾和问题,根本出路在于创新,关键是要靠科技力量。科技进步对中国经济发展的贡献率已经上升到56.2%。” 在昨天代表第十八届中央委员会向党的十九大作报告时,习近平提到:“建设现代化经济体系,必须把发展经济的着力点放在实体经济上,把提高供给体系质量作为主攻方向,显著增强我国经济质量优势。加快建设制造强国,加快发展先进制造业,推动互联网、大数据、人工智能和实体经济深度
用户1332428
2018-03-08
834
0
Mask R-CNN
机器学习
神经网络
深度学习
人工智能
Mask R-CNN是何凯明大神最近的新作。Mask R-CNN是一种在有效检测目标的同时输出高质量的实例分割mask。是对faster r-cnn的扩展,与bbox识别并行的增加一个预测分割mask
用户1332428
2018-03-08
1.1K
0
图片语义分割-FCN
机器学习
神经网络
深度学习
人工智能
首先说下什么是语义分割,语义分割是从像素的水平上来理解识别图像,相当于知道每一个像素是什么东西。可用于自动驾驶和医学上的。 早先是利用手工特征加图模型。随着深度网络的发展,也引入的CNN,传统的CNN
用户1332428
2018-03-08
1.3K
0
条件概率,全概率,贝叶斯公式理解
机器学习
神经网络
深度学习
人工智能
简介 学过概率理论的人都知道条件概率的公式:P(AB)=P(A)P(B|A)=P(B)P(A|B);即事件A和事件B同时发生的概率等于在发生A的条件下B发生的概率乘以A的概率。由条件概率公式推导出贝叶斯公式:P(B|A)=P(A|B)P(B)/P(A);即,已知P(A|B),P(A)和P(B)可以计算出P(B|A)。 假设B是由相互独立的事件组成的概率空间{B1,b2,...bn}。则P(A)可以用全概率公式展开:P(A)=P (A|B1)P(B1)+P(A|B2)P(B2)+..P(A|Bn)P(Bn)。
用户1332428
2018-03-08
25.1K
0
循环神经网络RNN | 基础篇
机器学习
神经网络
深度学习
人工智能
参考: RECURRENT NEURAL NETWORKS TUTORIAL, PART 1 – INTRODUCTION TO RNNS A Critical Review of Recurre
用户1332428
2018-03-08
777
0
TensorFlow从0到1 | 第十三章: AI驯兽师:神经网络调教综述
tensorflow
人工智能
神经网络
在未来的AI时代,“手工程序”将变得越发稀有,而基于通用AI程序,通过大数据“习得”而生的程序,会无所不在。到那时,程序员将光荣卸任,取而代之的是一个新职业物种:他们无需像程序员那样了解所有细节,而是
用户1332428
2018-03-08
794
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